استفاده از NLP تفسیرپذیر برای تحلیل ارتباطات فدرال رزرو

خلاصه

فدن‌ال‌پی به‌عنوان سامانه‌ای چندبخشی برای پردازش زبان طبیعی معرفی می‌شود که ارتباطات فدرال رزرو را بررسی می‌کند؛ این ارتباطات ممکن است طولانی و تفسیرشان دشوار باشد. سامانه، روش‌هایی از یادگیری ماشین سنتی تا شبکه‌های عصبی عمیق را در چندین وظیفه تحلیلی ترکیب می‌کند. کاربران موردنظر می‌توانند بدون نوشتن کد خروجی‌ها را بررسی کنند و مدل‌های زیربنایی تحلیل را انجام می‌دهند.

سامانه تحلیل احساسات، خلاصه اسناد، پیش‌بینی حرکت نرخ وجوه فدرال و توضیح‌های بصریِ پیش‌بینی‌های خود را ارائه می‌کند. این مؤلفه‌ها راه‌های مکملی برای بررسی زبان سیاست‌گذاری و پیامدهای احتمالی آن فراهم می‌کنند. سند نمایشی از سامانه را شرح می‌دهد، اما جزئیات کافی برای ارزیابی دقت مدل، داده‌های آموزش، رویه‌های اعتبارسنجی یا عملکرد آن در انواع مختلف ارتباطات فدرال رزرو ارائه نمی‌کند. بنابراین، پیش‌بینی نرخ باید خروجی مدل برای بررسی تلقی شود، نه پیش‌بینی تثبیت‌شده. این پژوهش نمونه‌ای از ترکیب تحلیل متن، پیش‌بینی حرکت نرخ و تفسیرپذیری در روند پژوهش سیاست پولی است.

ایده‌های کلیدی

• فدن‌ال‌پی چندین مدل NLP را برای تحلیل ارتباطات پیچیده فدرال رزرو به کار می‌گیرد.
• تحلیل آن شامل احساسات، خلاصه اسناد و پیش‌بینی حرکت نرخ وجوه فدرال است.
• برای کمک به کاربران در تفسیر پیش‌بینی‌های مدل از تصویرسازی استفاده می‌شود.
• نمایش توصیف‌شده، دقت پیش‌بینی یا تعمیم‌پذیری را اثبات نمی‌کند.

برچسب‌ها

# FedNLP: An interpretable NLP System to Decode Federal Reserve Communications


# FedNLP: An interpretable NLP System to Decode Federal Reserve Communications









The Federal Reserve System (the Fed) plays a significant role in affecting monetary policy and financial conditions worldwide. Although it is important to analyse the Fed's communications to extract useful information, it is generally long-form and complex due to the ambiguous and esoteric nature of content. In this paper, we present FedNLP, an interpretable multi-component Natural Language Processing system to decode Federal Reserve communications. This system is designed for end-users to explore how NLP techniques can assist their holistic understanding of the Fed's communications with NO coding. Behind the scenes, FedNLP uses multiple NLP models from traditional machine learning algorithms to deep neural network architectures in each downstream task. The demonstration shows multiple results at once including sentiment analysis, summary of the document, prediction of the Federal Funds Rate movement and visualization for interpreting the prediction model's result.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.