ترجمه فارسی مقاله کشف دانش علّی نادر از خلاصه صورت‌های مالی

چکیده

What would happen if temperatures were subdued and result in a cool summer? One can easily imagine that air conditioner, ice cream or beer sales would be suppressed as a result of this. Less obvious is that agricultural shipments might be delayed, or that sound proofing material sales might decrease. The ability to extract such causal knowledge is important, but it is also important to distinguish between cause-effect pairs that are known and those that are likely to be unknown, or rare. Therefore, in this paper, we propose a method for extracting rare causal knowledge from Japanese financial statement summaries produced by companies. Our method consists of three steps. First, it extracts sentences that include causal knowledge from the summaries using a machine learning method based on an extended language ontology. Second, it obtains causal knowledge from the extracted sentences using syntactic patterns. Finally, it extracts the rarest causal knowledge from the knowledge it has obtained.

چکیده به فارسی (ترجمه ماشینی)

چه اتفاقی می افتد اگر درجه حرارت فرومایه شود و به تابستان خنک منجر شود؟به راحتی می توان تصور کرد که تهویه هوا ، بستنی یا آبجو در نتیجه این امر سرکوب می شود.کمتر واضح است که محموله های کشاورزی ممکن است به تأخیر بیفتند ، یا اینکه فروش مواد ضد صدا ممکن است کاهش یابد.توانایی استخراج چنین دانش علّی مهم است ، اما تفاوت بین جفت های علت و معلولی که شناخته شده اند و مواردی که احتمالاً ناشناخته یا نادر هستند نیز مهم است.بنابراین ، در این مقاله ، ما روشی را برای استخراج دانش علی نادر از خلاصه صورتهای مالی ژاپن که توسط شرکت ها تولید شده است ، پیشنهاد می کنیم.روش ما از سه مرحله تشکیل شده است.اول ، جملاتی را شامل می شود که شامل دانش علّی از خلاصه ها با استفاده از یک روش یادگیری ماشین بر اساس هستی شناسی زبان گسترده است.دوم ، دانش علّی را از جملات استخراج شده با استفاده از الگوهای نحوی بدست می آورد.سرانجام ، نادرترین دانش علی را از دانشی که به دست آورده است ، استخراج می کند.