通过分解文章为事实与观点并检索实体实现面向问题的摘要
人工智能
2023-10-10 v1 机器学习
摘要
本研究聚焦于利用自然语言处理技术预测股价波动，特别关注对经济、政治、社会和技术变化的早期检测，这些变化可被用于捕捉市场机会。所提出的方法包括从新闻文章中提取显著事实与事件，随后利用这些事实与实体构成元组，用于生成特定实体的市场变化摘要，最终将所有摘要合并形成整篇文章的最终抽象摘要。该研究旨在通过分析维基百科数据和《经济学人》文章，建立公司与实体之间的关系。大型语言模型 GPT 3.5 被用于生成摘要以及形成最终摘要。本研究的最终目标是开发一个综合系统，通过实现对市场趋势与事件的早期检测，为金融分析师和投资者提供更具信息量的决策工具。
引用
@article{arxiv.2310.04880,
title = {Question-focused Summarization by Decomposing Articles into Facts and Opinions and Retrieving Entities},
author = {Krutika Sarode and Shashidhar Reddy Javaji and Vishal Kalakonnavar},
journal= {arXiv preprint arXiv:2310.04880},
year = {2023}
}