El objetivo principal de CLARA-FINT fue describir la estructura de los informes financieros para permitir la comparación del contenido. Por ello, nuestra aproximación a la simplificación implicó, sobre todo, un discurso y una estructura sintáctica claros, y no solo un vocabulario básico. Se han recopilado nuevos textos para aumentar tanto el tamaño como, especialmente, la variedad del corpus FinT-esp. Un corpus más completo y variado ha permitido desarrollar modelos de lenguaje financiero en español.

Se han recopilado nuevos textos para aumentar tanto el tamaño como, especialmente, la variedad del corpus FinT-esp. Un corpus más completo y variado ha permitido desarrollar modelos de lenguaje financiero en español.

Un segundo objetivo específico fue la participación en tareas compartidas de evaluación dentro del marco de los Workshops on Financial Narrative Processing y MultiLing Financial Summarisation, organizados por los investigadores de UCREL – Lancaster. Esto ha permitido la inclusión de textos en español en las competiciones de resumen automático y la detección de causa y efecto. Un tercer objetivo fue avanzar en el conocimiento de la narrativa financiera, tanto desde una perspectiva económica como lingüística. La valiosa cantidad de datos recopilados ha constituido una fuente significativa para la elaboración de léxicos especializados o glosarios de términos financieros, así como para la publicación de estudios sobre las características del discurso financiero, sus formas de organizar la información y la argumentación. Este conocimiento puede tener impacto en disciplinas aplicadas del lenguaje, como la Traducción o la Comunicación.

Dataverses destacados

Para usar esta funcionalidad ha de tener publicado o enlazado al menos un dataverse.

Publicar dataverse

¿Está seguro de que quiere publicar su dataverse? Una vez hecho esto, deberá permanecer publicado.

Publicar dataverse

Este dataverse no puede publicarse porque el dataverse al que pertenece no se ha publicado.

Eliminar dataverse

¿Está seguro de que quiere eliminar este dataverse? No podrá recuperarlo.

Búsqueda avanzada

41 a 50 de 62 Resultados
Adobe PDF - 170,4 KB - MD5: 729bda5f1f32ca607adf583308a302a2
DocumentaciónDocumentation
This file contains everything needed to start the task, as well as the annotation guidelines that served as a reference for the linguists to annotate the causality and thus generate the competition dataset.
Adobe PDF - 125,4 KB - MD5: e58a3a10790ab3a30c597e61f292ea4b
DocumentaciónDocumentation
The main paper of the competition.
Valores separados por comas - 61,6 KB - MD5: ea437383a1cf773021dcd00dcd28215a
DataDatos
This file contains a sample dataset in CSV format with the cause-effect relationship
Texto plano - 7,2 KB - MD5: b3802f0c272c27752597cb58fd5058f4
DocumentaciónDocumentation
Texto plano - 7,9 KB - MD5: b9c86c2d4c88fe29d54e72586a978095
DocumentaciónDocumentation
Adobe PDF - 2,4 MB - MD5: 70185178d188dafbe5bcbd4c6cf6ae0e
DocumentaciónDocumentation
This file summarizes the resources created during the CLARA-FINT project
Código fuente Python - 21,8 KB - MD5: 374c17b2a2985c20a6a8d70ddf4c30b1
DataDatos
The participants could self-evaluate
Valores separados por comas - 1,3 MB - MD5: 69c7aca67096607d1c89aadfe991cc30
DataDatos
This file holds the majority of the dataset for participants to train their models.
Valores separados por comas - 1,0 MB - MD5: cb52147666ef9643fc65e73f02c536ca
DataDatos
This file is the final test for evaluation
JSON - 983 B - MD5: f6a0893f8f7aeb98dbd4739991a27955
DataDatos
Añadir datos

Necesita identificarse para crear un dataverse o añadir un dataset.

Compartir dataverse

Compartir este dataverse en sus redes sociales favoritas.

Enlace al dataverse
Reiniciar modificaciones

¿Está seguro de que quiere reiniciar los campos de metadatos seleccionados?. Si lo hace, cualquier personalización (oculto, obligatorio, opcional) que haya hecho desaparecerá.