a financial-domain-focused dataset for financial sentiment/emotion classification and stock market time series prediction. It's based on our paper:StockEmotions: Discover Investor Emotions for Financial Sentiment Analysis and Multivariate Time Seriesaccepted by AAAI 2023 Bridge (AI for Financial Services)...
自2018年起,信也科技先后与浙江大学、上海交通大学、华东师范大学、武汉大学、华东理工大学、上海财经大学、上海大学等高校达成合作,布局图、视觉、语音等多个人工智能领域并屡获硕果,学术论文被ICML、ICASSP、JMLR、CIKM、TKDE、WWW、AAAI、IJCAI等AI国际顶会顶刊收录,持续为产学研究的长远发展注入新的动力。
其中，论文《Measuring Task Similarity and Its Implication in Fine-Tuning Graph Neural Networks》（基于任务相似度测量的图神经网络微调技术研究）注意到预训练数据和下游数据的差异会导致在部分下游任务上出现负迁移现象，提出了一个全新的任务一致性指标——作为下游任务是否能从预训练收益的指征，并在此基础上提出...
为了验证我们“基于方程的数值推理增强方法”(Boosting numerical ReasonIng by Decomposing the Generation of Equations, Bridge)的有效性,我们在GSM8K和SVAMP上进行了实验,这是两个主流的验证大模型数值推理能力的数据集。 表1 主实验 我们的方法相对基于程序的方法,在实验数据集上平均提高了2.6%,均取得了SOTA结果(...
Implication in Fine-Tuning Graph Neural Networks》(基于任务相似度测量的图神经网络微调技术研究)注意到预训练数据和下游数据的差异会导致在部分下游任务上出现负迁移现象,提出了一个全新的任务一致性指标——作为下游任务是否能从预训练收益的指征,并在此基础上提出了一种全新的微调方法Bridge-Tuning,以克服负迁移。