-
题名基于NLP的股票选择策略的优化研究
- 1
-
-
作者
吴彦昕
李宏滨
胡冠真
-
机构
太原师范学院计算机科学与技术学院
-
出处
《现代计算机》
2024年第3期76-82,共7页
-
文摘
由于股评、新闻对股票价格变化有巨大影响,为选出优质股票以提高投资的收益率,采用了自然语言处理NLP技术对股评数据和新闻数据进行分析,基于朴素贝叶斯模型建立了文本情感倾向分类模型,模型预测准确率达到84%,生成了股评因子。基于LDA主题模型对新闻文本进行话题建模,快速获取新闻文本主题,并引入困惑度寻找文档最优主题数,生成了新闻因子,将股评因子和新闻因子作为筛选股票的依据,从股评和新闻信息中获取对股市带来的影响因素,从而优化选股策略。对于股票基本面数据,采用决策树模型进行因子的重要性分析,选出重要性最高的前5个因子,模型预测准确率达到88%。通过决策树模型,可以更准确地确定哪些因子在影响股价变化方面发挥着关键作用,这种改进的方法能够提高选股策略的有效性和准确性。最终使用主成分分析(PCA)对数据进行降维处理,依据主成分数值的高低来进行股票选择。
-
关键词
自然语言处理
文本情感倾向分类模型
LDA主题模型
决策树模型
主成分分析
-
Keywords
natural language processing
text sentiment tendency classification model
LDA theme model
decision tree model
principal component analysis
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
F832.51
[经济管理—金融学]
-
-
题名基于改进YOLOv5的目标检测算法研究
- 2
-
-
作者
胡冠真
李宏滨
吴彦昕
沈帅杰
-
机构
太原师范学院
-
出处
《信息技术与信息化》
2023年第11期103-107,共5页
-
文摘
为提高道路目标检测精度,采用了基于YOLOv5网络模型的改进算法。其中,利用Mish激活函数来提高特征提取能力,引入CBAM注意力机制对特征信息进行增强,采用DIOU目标回归损失函数来直接最小化两个目标框的距离,从而提高收敛速度。实验结果表明,所提出的算法在公开的自动驾驶数据集KITTI上的表现非常出色,达到了91.1%的mAP和94.9%的检测精度,相比原始算法分别提高了3.1%和3.2%。此外,所提出的算法具有较好的检测速度(69帧/s)和实时性,相比一些主流的目标检测算法,具有一定的优越性。
-
关键词
目标检测
YOLOv5
CBAM注意力机制
Mish激活函数
DIOU损失函数
-
分类号
U495
[交通运输工程—交通运输规划与管理]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
