文献

J-GLOBAL ID：202102251569150397   整理番号：21A3312498

組み込み注意機構による強化学習に基づくゲート付きリカレントユニットネットワークによる株式移動予測【JST・京大機械翻訳】

Stock movement prediction via gated recurrent unit network based on reinforcement learning with incorporated attention mechanisms

著者 (5件)： Xu Hongfeng (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, PR China) ,  Xu Hongfeng (School of Economic and Management, Guizhou Normal University, Guiyang 550001, PR China) ,  Chai Lei (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, PR China) ,  Luo Zhiming (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, PR China) ,  Li Shaozi (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 467  ページ： 214-228  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近の進歩は,通常,カオスデータから市場情報を採掘し,ストック移動予測タスクを行う。しかしながら,現在の株価移動予測手法は,主に,グローバル文脈的意味埋込みの注意加重和を計算し,それは,局所単語レベルまたはチャーレベルの組合せを,新聞レベル表現を共同学習するのに失敗する。さらに,中国の株価移動予測タスクのために,いくつかの収集したニューステキストは,ターゲットストックに無関係であってもカオス的である。それは,モデルが性能を強化するために,いくつかのニュースレベル表現(ノイズとしてビュー)をフィルタする必要性を示唆した。そのために,組込み注意機構による強化学習(RL)に基づく双方向ゲートリカレントユニット(GRU)ネットワークを介して,新しい株価移動予測ネットワークを開発した。特に,ニューステキストのノイズを減らし,より豊富な意味論を持つニュースレベル表現を学習するために,追加とドット操作に基づく2つの新しい注意機構を,本研究で最初に提案した。次に,いくつかの非関連ニュースレベル表現(即ち,ニュースレベル雑音)をフィルタリングし,豊富な長期依存性を捕捉するために,RLに基づく新しいGRU構造を設計した。最後に,実験結果は,提案モデルが,最近の発展をはるかに上回り,最先端の性能を達成することを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  雑音 ,  フィルタ ,  意味論 ,  新聞 ,  *ネットワーク ,  フィルタリング ,  チャー ,  在庫量 ,  ニュース ,  カオス ,  単語 ,  *強化学習
準シソーラス用語： 株価 ,  協調学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： ストックの動き予測 ,  ゲート付きリカレントユニット ,  注意 ,  強化学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 組み込み ,  注意 ,  強化学習 ,  ゲート ,  株式 ,  予測