Transfer Learning for Loan Recovery Prediction under Distribution Shifts with Heterogeneous Feature Spaces
arXiv
Rückgewinnungsquoten sind schwer zu prognostizieren, wenn im Zielportfolio wenige Ausfälle beobachtet wurden und sich die verfügbaren Merkmale zwischen Portfolios unterscheiden. Wir entwickeln einen Transformer für tabellarische Daten mit einer probabilistischen Mischverteilung und testen ihn in Simulationen sowie beim Transfer von Unternehmenskrediten auf Anleihen. Der Transfer hilft am ehesten bei wenigen Zielbeobachtungen, überlappenden Merkmalen und ausreichend ähnlichen Rückgewinnungsverteilungen, während starke Verschiebungen der Zielverteilung den Nutzen begrenzen und die Verbesserungen beim Transfer auf Anleihen gering ausfallen.
Natural Language Processing in Bank Marketing: A Systematic Review and Strategic Gap Analysis
International Journal of Bank Marketing
Die Forschung zur Sprachverarbeitung im Bankmarketing ist über mehrere Fachgebiete verstreut. Wir sichten 109 Studien systematisch, kartieren ihre Themen anhand von Text-Embeddings und ordnen die Befunde entlang der Customer Journey und des Marketing-Mix ein. Nur acht Studien im untersuchten Korpus befassen sich direkt mit Sprachverarbeitung im Bankmarketing, wobei Kundenbindung deutlich mehr Aufmerksamkeit erhält als Kundengewinnung, personalisierte Ansprache und externe Textquellen.
Multimodal Document Analytics for Banking Process Automation
Information Fusion
Beim Auslesen deutscher Handelsregisterauszüge kommt es neben dem Text auch darauf an, wo und wie er auf der Seite erscheint. Wir passen LayoutXLM zur Klassifikation einzelner Tokens an und testen, wie sich der Wegfall von Layout- oder Bildmerkmalen sowie weniger annotierte Seiten auswirken. In dieser Fallstudie brachte das Layout den größeren Zugewinn, Bildmerkmale verbesserten das Ergebnis zusätzlich, und mit 250 annotierten Seiten zum Feinabstimmen erreichte das Modell einen F1-Wert von über 0,75.
Company2Vec — German Company Embeddings Based on Corporate Websites
International Journal of Information Technology & Decision Making
Branchenkennziffern ordnen Unternehmen Kategorien zu und geben nur grob Auskunft darüber, wie ähnlich sich einzelne Firmen sind. Company2Vec nutzt Word2Vec und Dimensionsreduktion, um aus deutschen Unternehmenswebsites Vektoren für Ähnlichkeitsvergleiche und Gruppierungen abzuleiten. Die Vektoren erlauben feinere Vergleiche als NACE-Kategorien allein, wobei die Trefferquote bei der Vorhersage von NACE-Codes auf feineren Klassifikationsebenen sinkt.