FrancophonIA/CoFiF

CoFiF是第一个包含法语公司报告的语料库。它包含了2655份报告，总计超过1.88亿个词，涵盖了四种类型的文件：参考文件、年度报告、半年度报告和季度报告。这些文件来自法国主要股票指数CAC40和CAC Next 20中的60家最大公司，时间跨度从1995年到2018年。数据集的主要用途是语言建模，可以用于训练法语模型。

原始信息汇总

数据集卡片 for CoFiF

数据集描述

数据集概述

CoFiF 是首个包含法语公司报告的语料库。它包含超过 188 百万 个词令，涵盖 2655 份报告，涉及四种文档类型：

• 参考文档（documents de référence）：每年发布，通常在日历年结束后的几个月内，包含公司的财务状况和前景信息。
• 年度报告（résultats annuels）：总结公司上一年的业务和活动。
• 半年度报告（résultats semestriels）：内容与年度报告类似，但每六个月发布一次。
• 季度报告（résultats trimestriels）：内容与年度报告类似，但每三个月发布一次。

这些文档来自法国主要股票指数 CAC40 和 CAC Next 20 中列出的60家最大法国公司。语料库跨越20年，从1995年到2018年。

支持的任务和排行榜

语言建模：可用于在金融类型数据上训练法语模型（如 CamemBERT、FlauBERT、BARTHez 等）。

语言

法语

数据集结构

原始文本

数据集创建

策划理由

没有可用的与金融相关的法语数据集。

源数据

• 参考文档（documents de référence）
• 年度报告（résultats annuels）
• 半年度报告（résultats semestriels）
• 季度报告（résultats trimestriels）

这些文档来自法国主要股票指数 CAC40 和 CAC Next 20 中列出的60家最大法国公司。语料库跨越20年，从1995年到2018年。

初始数据收集和规范化

作者进行了清理，但未在其出版物或 GitHub 目录中详细说明。

源语言生产者

公共行政报告，由人类编写。

标注

无标注。

附加信息

数据集策展人

该出版物得到了爱尔兰科学基金会（SFI）的财政支持，资助号为 SFI/12/RC/2289，由欧洲区域发展基金共同资助。

许可信息

该语料库可用于非商业用途，遵循 Attribution-NonCommercial-ShareAlike 4.0 International 许可。

引用信息

如果您在研究中使用 CoFiF，请引用以下论文：

@inproceedings{daudert-ahmadi-2019-cofif, title = "{C}o{F}i{F}: A Corpus of Financial Reports in {F}rench Language", author = "Daudert, Tobias and Ahmadi, Sina", booktitle = "Proceedings of the First Workshop on Financial Technology and Natural Language Processing", month = "12 " # aug, year = "2019", address = "Macao, China", url = "https://www.aclweb.org/anthology/W19-5504", pages = "21--26", }

搜集汇总

背景与挑战

背景概述

CoFiF是一个法语公司报告语料库，包含2655份报告，覆盖1995年至2018年，适用于法语语言模型训练。