题名 | 金融文本理解的特征选择研究; Feature Selection Research on Financial Text Understanding |
作者 | 周喆 |
答辩日期 | 2014 ; 2014 |
导师 | 罗林开 |
关键词 | 金融文本理解 特征选择 组合 financial text mining understanding feature selection combination |
英文摘要 | 互联网上海量的金融文本数据(财经新闻,研究报告,股吧论坛等)蕴含着丰富的信息,而这些信息与很多财经事件或证券走势存在着密切的关系。如何让机器自动理解这些大量的金融文本数据,给出有价值的信息,就成为一个很有价值的工作。 选择合适的特征词集合(特征集)是金融文本理解的一个基础且不可逾越的环节。合适的特征集不仅要有好的分类能力,而且还要有好的稳定性,即对训练数据的低敏感性。 本文首先根据金融文本理解的具体任务,初选一个较大的候选特征集。接着,应用SVM-RFE和随机森林特征选择算法从该候选特征集中选择特征,并分析其在稳定性方面的不足;然后,给出了一种基于训练样本摄动的组合特征选择算法,并比较了它...; A large number of financial text data on the Internet, i.e., financial news, research report and stock BBS, contain rich information which having close relationship with many financial events or stock price trends. How to make machine automatically understand these massive financial text data and providing people with valuable information has become a very valuable work. Choose the appropriate s...; 学位:工程硕士; 院系专业:信息科学与技术学院_控制工程; 学号:23220111153272 |
语种 | zh_CN |
出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=46210 |
内容类型 | 学位论文 |
源URL | [http://dspace.xmu.edu.cn/handle/2288/84336] ![]() |
专题 | 信息技术-学位论文 |
推荐引用方式 GB/T 7714 | 周喆. 金融文本理解的特征选择研究, Feature Selection Research on Financial Text Understanding[D]. 2014, 2014. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论