تقدم النصوص الحوارية المالية تحديًا فريدًا لاستخراج المعلومات على مستوى الجملة بسبب هيكلها غير الرسمي، ومفرداتها المتخصصة في المجال، وكثافتها المتغيرة من النوايا. نقدم Fin-ExBERT، إطار عمل خفيف الوزن ومرن لاستخراج الجمل ذات الصلة بنية المستخدم من مكالمات الخدمات المالية المعلَّمة. تعتمد مقاربتنا على العمود الفقري لـ BERT المتكيف مع المجال (تمثيلات Encoder ثنائية الاتجاه من Transformers) المعزز بملحقات LoRA (التكيف منخفض الرتبة)، مما يتيح التعديل الدقيق بكفاءة باستخدام بيانات موسومة محدودة. نقترح استراتيجية تدريب من مرحلتين مع فك تجميد تدريجي: تدريب رأس المصنف مبدئيًا مع تجميد العمود الفقري، يتبعه ضبط دقيق تدريجي للنموذج بأكمله مع معدلات تعلم متباينة. لضمان استخراج موثوق تحت عدم اليقين، نعتمد استراتيجية حد ديناميكية بناءً على انحناء الاحتمالية (كشف الكوع)، مما يتجنب الأنماط الثابتة القطعية. تظهر النتائج التجريبية دقة قوية وأداء F1 على النصوص الواقعية، مع مخرجات يمكن تفسيرها مناسبة للتدقيق في تدفقات سؤال-إجابة. يدعم الإطار الكامل التقييم الجماعي، والتصور، والتصدير المعاير، مما يوفر حلاً قابلاً للنشر لتعدين الحوارات المالية.
درس ساركر وآخرون (Sat،) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: