投資テーマに対する企業関連度スコアリングのためのローカルLLMドメイン適応

伊藤辰都, 尾崎令拓, 今城健太郎, 平野正徳

人工知能学会第36回金融情報学研究会, pp. 61-67, Mar. 21, 2026

Conference

人工知能学会第36回金融情報学研究会 (SIG-FIN)

Abstract

本研究は日本の金融市場分析におけるローカル大規模言語モデル（LLM）のドメイン適応を検討する。企業–テーマ関連度スコアリングを「企業名」と「投資テーマ」から0～10の整数スコアを出力するランキング問題として定式化し、教師ありファインチューニング（SFT）により出力一貫性が大幅に向上することを示した（セクタ分類Top-1精度最大0.707、テーマ株識別PR-AUC 0.651）。事前学習時に日本語金融データを多く含むLLMは汎化性能が高く、一方でSFT後も全体の汎化向上にはつながらない場合がある。貢献は、整数スコア標準化フレームワークと企業–テーマ関連度データセット、及び日本市場実務のドメイン適応下でのLLM汎化評価となる。

Keywords

大規模言語モデル; ドメイン適応; ファインチューニング; 投資テーマ;

doi

10.11517/jsaisigtwo.2026.FIN-036_61

bibtex

@inproceedings{Ito2026-sigfin36,
  title={{投資テーマに対する企業関連度スコアリングのためのローカルLLMドメイン適応}},
  author={伊藤 辰都 and 尾崎 令拓 and 今城 健太郎 and 平野 正徳},
  booktitle={人工知能学会第36回金融情報学研究会},
  pages={61-67},
  doi={10.11517/jsaisigtwo.2026.FIN-036_61},
  year={2026}
}