logo

您所在位置网站首页 > 海量文档  > 汽车/机械/制造 > 汽车改装

自然语言处理技术在金融市场上的应用.pdf 21页

本文档一共被下载: ,您可全文免费在线阅读后下载本文档。

  • 支付并下载
  • 收藏该文档
  • 百度一下本文档
  • 修改文档简介
全屏预览

下载提示

1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
特别说明: 下载前务必先预览,自己验证一下是不是你要下载的文档。
  • 内容提供方 ws18618148189(上传创作收益人)
  • 发布时间:2020-08-01
  • 需要金币150(10金币=人民币1元)
  • 浏览人气
  • 下载次数
  • 收藏次数
  • 文件大小:1.39 MB
下载过该文档的会员
你可能关注的文档:
目录 1.背景 2.机器识别中文词语 3.机器识别中文段落 4.市场消息面影响评估 背景 国外机构在Alternative Data和投资领域的结合方面 ,已有先例 背景 国内机构在使用非结构化数据探索新alpha来源方面也有实践。 背景 有无可能通过NLP技术在新闻等消息面数据中挖掘出舆情因素对后续走势的影响 ? 目录 1.背景 2.机器识别中文词语 3.机器识别中文段落 4.市场消息面影响评估 机器识别中文词语- One-Hot Encoding 计算机要能够处理中文问题 ,必须要把中文转换成为计算机可以识别的01编码 ,NLP中最直观、最常用的词语表 示方法是One-Hot Encoding ,即把每个词语表示为一个很长的向量 ,向量的维度是词表大小 ,只有该词对应的 维度值为 1 ,其余维度为0 举例 :词语集合 = { 金融、股票、大盘、小盘} ,将所有词语用One-Hot Encoding编码以后的形式为 : “金融”= [1 ,0 ,0 ,0] “股票”= [0 ,1 ,0 ,0] “大盘”= [0 ,0 ,1 ,0] “小盘”= [0 ,0 ,0 ,1] +优点 :简洁 ,每个词在高维空间中相互正交 - 缺点 :维度高 ,内存浪费而且计算低效 ;随着处理领域的增多 ,词语维度会无限膨胀 ;无法表示词语间的关联 机器识别中文词语- 词向量 2003年深度学习三巨头之一的Bengio提出 “A Neural Probabilistic Language Model”论文 ,开创了用神经网络 解决NLP领域问题的先河 ,同时论文中提到的通过训练模型获取词语表示的方法对工业界也产生了深远影响。 市场 行情 上涨 回暖 股票 机器识别中文词语- 词向量 2013年Google的word2vec模型论文中提到的通过CBOW和Skip-gram算法快速获取词向量的方法 ,通word2vec 模型获取到的词语向量被称为 Word Embedding (词向量 ) One-Hot Encoding 词向量 “金融”= [1 ,0 ,0 ,0] “金融”= [0.3 ,0.1 , ... ,0.9 ] “股票”= [0 ,1 ,0 ,0] “股票”= [0.4 ,0.2 , ... ,0.7 ] “大盘”= [0 ,0 ,0 ,1] “大盘”= [0.6 ,0.5 , ... ,0.2 ] “小盘”= [0 ,0 ,0 ,0] “小盘”= [0.2 ,0.4 , ... ,0.1 ] +优点 :词语做降维处理 ,可以用一个固定维度的向量表示 ;通过词语间的数学向量运算获取词语间的语义关联 机器识别中文词语- 词向量语义关联举例 通过爬虫爬取股市新闻文本后 ,对新闻文本做分词处理并训练词向量。词向量的语义关联举例如下 : 与 “大盘指数”最相近的3个词语 : 与 “茅台”最相近的3个词语 : 与 “货币基金”最相近的3个词语 : 目录 1.背景 2.机器识别中文词语 3.机器识别中文段落 4.市场消息面影响评估 机器识别中文段落- 词向量平均 Q :通过word2vec模型可获取到词语的词向量 ,如何通过词向量获取段落的数学表示 ? A :抽取段落关键词后 ,做关键词词向量的等权平均。 如某段落抽取关键词后包含 { 金融、股票、大盘、小盘} 4个词汇 ,段落可以表示为 : 词向量

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码: 点击我更换图片

“原创力文档”前称为“文档投稿赚钱网”,本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】。原创力文档是网络服务平台方,若您的权利被侵害,侵权客服QQ:3005833200 电话:19940600175 欢迎举报,上传者QQ群:784321556