Resumen: Avanzar el objetivo de desarrollo sostenible de las Naciones Unidas para promover el crecimiento económico sostenido, inclusivo y sostenible, la inversión extranjera directa (IED) juega un papel crucial en la catalización de la expansión económica y la fomento de la innovación. La predicción precisa de IED a nivel de la ciudad es bastante importante para el gobierno local y se estudia comúnmente en base a datos económicos (por ejemplo, PIB). Sin embargo, tales datos económicos podrían ser propensos a la manipulación, haciendo que las predicciones sean menos confiables. Para abordar este problema, tratamos de aprovechar los datos judiciales a gran escala que reflejan el rendimiento judicial que influye en la seguridad y los rendimientos de la inversión local, para la predicción de IED a nivel de la ciudad. Según esto, primero creamos un sistema de índice para la evaluación del desempeño judicial de más de doce millones de documentos de adjudicación disponibles públicamente según los cuales se reformula un conjunto de datos tabulares. Luego proponemos un nuevo método de aprendizaje tabular sobre datos judiciales (TLJD) para la predicción de IED a nivel de la ciudad. TLJD integra los datos de la fila y los datos de la columna en nuestro conjunto de datos tabular construido para la codificación del indicador de rendimiento judicial, y utiliza una mezcla de modelo de expertos para ajustar los pesos de diferentes indicadores considerando las variaciones regionales. Para validar la efectividad de TLJD, diseñamos tareas entre ciudades y tiempo de cruce para predicciones de IED a nivel de la ciudad. Extensos experimentos en ambas tareas demuestran la superioridad de TLJD (alcanzar al menos 0.92 R2) sobre las otras diez líneas de base de última generación en diferentes métricas de evaluación.
Publicado Originalme en export.arxiv.org El 8 de julio de 2025.
Ver Fuente Original