金融推文中数值理解的细粒度基于群体预测
计算与语言
2019-03-06 v2
摘要
在金融文档中包含大量信息的数值对金融决策至关重要。它们在金融分析过程中扮演不同角色。本文旨在理解金融推文中数值的含义，以用于细粒度的基于群体的预测。我们提出一种将金融推文中的数值分类为7类的分类法，并进一步将其中部分类别扩展为若干子类。提出了基于神经网络、带有词级与字符级编码器的模型用于7类分类与17类分类。我们进行了回测以确认群体所表达数值意见的有效性。本工作是理解金融社交媒体数据中数值的首次尝试，并基于预测价格提供了个体投资者与分析师细粒度意见的首次对比。我们实验中使用的数值语料库称为FinNum 1.0，可供研究使用。
引用
@article{arxiv.1809.05356,
title = {Numeral Understanding in Financial Tweets for Fine-grained Crowd-based Forecasting},
author = {Chung-Chi Chen and Hen-Hsen Huang and Yow-Ting Shiue and Hsin-Hsi Chen},
journal= {arXiv preprint arXiv:1809.05356},
year = {2019}
}
备注
Accepted by the 2018 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2018), Santiago, Chile