HINTS：外部ソースなしで時系列データから人間の洞察を抽出

この論文は、時系列データから人間の要因を抽出し、予測を改善するための自己教師あり学習フレームワークであるHINTSを紹介しています。主な革新は、外部データソースに依存せずにこれを行うことができる点で、データ依存コストを削減します。Friedkin-Johnsen（FJ）意見力学モデルを構造的帰納的バイアスとして使用することは、斬新なアプローチです。この論文の強みは、予測精度を向上させ、市場のダイナミクスを推進する根底にある人間の要因に関する解釈可能な洞察を提供する可能性にあります。

• •時系列データから人間の要因を抽出するための自己教師ありフレームワークであるHINTSを提案。
• •外部データソースへの依存を回避し、データ依存コストを削減。
• •Friedkin-Johnsen（FJ）意見力学モデルを構造的帰納的バイアスとして採用。
• •実験とケーススタディを通じて、予測精度と解釈可能性の向上を実証。