文献

J-GLOBAL ID：202102252209341897   整理番号：21A2955231

在庫推薦のための関係を意識した動的属性グラフ注意ネットワーク【JST・京大機械翻訳】

Relation-aware dynamic attributed graph attention network for stocks recommendation

著者 (7件)： Feng Shibo (School of Informatics, Xiamen University, Xiamen, China) ,  Xu Chen (China Energy Engineering Group Shaanxi Electric Power Design Institute Co., LTD, Xian, China) ,  Zuo Yu (Department of Economics, New York University, New York, USA) ,  Chen Guo (State Grid Shaanxi Information and Telecommunication Company, LTD, Xian, China) ,  Lin Fan (School of Informatics, Xiamen University, Xiamen, China) ,  XiaHou Jianbing (School of Informatics, Xiamen University, Xiamen, China) ,  XiaHou Jianbing (Quanzhou Normal University, Quanzhou, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 金融市場のグラフ構造の固有特性と,実際にシステムに存在する相関属性は,金融部門における予測と推薦の問題を解決するためにグラフの概念を導入する。本論文では,高リターン率ストックを推薦するアイデアに着目し,相関情報に基づく属性グラフ注意ネットワークモデルを提唱し,時系列モジュールと積層グラフニューラルネットワーク(GNN)ベースモデルに由来する大域的情報から導出された符号化タイミング特性,そしてそれは,関係意識動的属性グラフ注意ネットワーク(RA-AGAT)と呼ぶ。これに基づき,金融におけるグラフモデルの適用の実用性と適用性を検証した。著者らの革新的構造は,最初に局所相関トポロジー情報を捕捉し,次に,スタックグラフニューラルネットワーク構造を導入して,ストックアイテムのTop-Nリターン比率を推薦した。実中国A-シェア市場に関する実験は,RA-AGATアーキテクチャが,ストックリターン比の予測と推薦において,以前に適用可能な方法を凌駕できることを示した。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： 位相幾何学 ,  *ネットワーク ,  相関係数 ,  金融 ,  適応性 ,  在庫量 ,  計算機アーキテクチャ
準シソーラス用語： グラフモデル ,  ネットワークモデル ,  金融市場 ,  *在庫 ,  グラフ構造 , 【Automatic Indexing@JST】

著者キーワード (4件)： 金融市場 ,  属性付きグラフ注意ネットワーク ,  相関係数 ,  中国株勧告

分類 (3件)： グラフ理論基礎  (IA02020S) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 在庫 ,  推薦 ,  意識 ,  属性 ,  グラフ ,  注意