龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：吉林大学
申请日：2024-04-28
公开（公告）日：2024-07-05
公开（公告）号：CN118297723A
主分类号：G06Q40/06
分类号：G06Q40/06;G06N3/0455;G06N3/0895;G06N3/084;G06N3/0985;G06F40/284;G06F40/30
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于深度学习的股票市场情绪分析方法，包括数据集的预处理、整体模型的搭建与训练、对预测结果的测试和评估，整体流程如下：利用预训练的Bert模型对文本数据进行语义角色划分，与股价预测24因素合并作为输入数据，在自监督学习阶段，模型通过随机掩码对语义角色中的施事者、受事者和谓词进行遮盖，这一部分单独计算出一个交叉熵平均损失，在有监督学习阶段，利用有标签数据进行监督训练，运用传统分类器预测，得到另一个交叉熵损失，将两个平均损失线性计算后作为平均损失进行反向传播，实现模型训练，最后利用分布外检测方式评估模型的泛化能力，本模型有效提高了股票情感分析的准确性和效率。
主权项：1.一种基于深度学习的股票市场情绪分析方法，包括：数据集的预处理与划分，运用Mask即掩码实现自监督预测，搭建Transformer模型并进行深度学习训练，整体模型的结构如下：S1、利用与训练的Bert模型对文本数据进行分词和语义角色划分，与股价预测24因素作为模型的输入数据；S2、在自监督学习阶段，模型通过掩码对语义角色A0施事者、A1受事者、V谓词、和进行遮盖，训练时无需依赖标签数据，这一部分单独计算出一个交叉熵平均损失；S3、在有监督学习阶段，模型则利用有标签数据进行监督训练，运用传统分类器预测，经过训练后，模型将输出分类结果，包括情感倾向和对应的类别标签，并得到另一个交叉熵损失；S4、两个平均损失线性计算后作为平均损失loss进行反向传播，更新模型。
全文数据：
权利要求：
百度查询： 吉林大学 基于深度学习的股票市场情绪分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号