Forecasting economic indicators using a consumer sentiment index: Survey‐based versus text‐based data

Given the confirmed effectiveness of the survey‐based consumer sentiment index (CSI) as a leading indicator of real economic conditions, the CSI is actively used in making policy judgments and decisions in many countries. However, although the CSI offers qualitative information for presenting current conditions and predicting a household's future economic activity, the survey‐based method has several limitations. In this context, we extracted sentiment information from online economic news articles and demonstrated that the Korean cases are a good illustration of applying a text mining technique when generating a CSI using sentiment analysis. By applying a simple sentiment analysis based on the lexicon approach, this paper confirmed that news articles can be an effective source for generating an economic indicator in Korea. Even though cross‐national comparative research results are suited better than national‐level data to generalize and verify the method used in this study, international comparisons are quite challenging to draw due to the necessary linguistic preprocessing. We hope to encourage further cross‐national comparative research to apply the approach proposed in this study.     

考虑经纪人投资情绪的委托代理合同研究

从行为金融学角度,提出将经纪人的投资情绪考虑进资本市场的委托代理关系中.通过建立数学模型,分析了非理性经纪人的投资决策给委托人带来的影响,得到了此时委托人与经纪人之间的最优委托代理合同.结果表明,经纪人的乐(悲)观投资情绪可以使委托人的代理成本得到补偿,并且委托人对经纪人的最优激励强度随着经纪人乐(悲)观程度的增加而降低.这说明在一定条件下,经纪人的乐(悲)观投资情绪,对委托人具有积极意义.     

采用空间量化技术的泉州传统街巷风貌改造策略

以福建省泉州市的传统街巷为研究样本,通过空间量化技术探究泉州街巷形成的大致演变过程与形成逻辑;然后,采用等级、功能与宽度3个因子辨析街巷,并生成一套适用于泉州传统街巷空间的风貌改造策略.结果表明：泉州街巷的主要差异在于等级、功能与宽度的不同,同时等级、功能与宽度的变化也会导致街巷类型的转变,街巷的属性能够通过等级、功能与宽度共同组成的复合评价体系进行辨析;最后,通过梳理泉州现有的街巷格局,并针对街巷分别提出相应的改造策略.     

基于RoBERTa与句法信息的中文影评情感分析

细粒度情感分析是自然语言处理的关键任务之一,针对现有的解决中文影评情感分析的主流方案一般使用Word2Vector等预训练模型生成静态词向量,不能很好地解决一词多义问题,并且采用CNN池化的方式提取文本特征可能造成文本信息损失造成学习不充分,同时未能利用文本中包含的长距离依赖信息和句子中的句法信息。因此,提出了一种新的情感分析模型RoBERTa-PWCN-GTRU。模型使用RoBERTa预训练模型生成动态文本词向量,解决一词多义问题。为充分提取利用文本信息,采用改进的网络DenseDPCNN捕获文本长距离依赖信息,并与Bi-LSTM获取到的全局语义信息以双通道的方式进行特征融合,再融入邻近加权卷积网络(PWCN)获取到的句子句法信息,并引入门控Tanh-Relu单元(GTRU)进行进一步的特征筛选。在构建的中文影评数据集上的实验结果表明,提出的情感分析模型较主流模型在性能上有明显提升,其在中文影评数据集上的准确率达89.67%,F1值达82.51%,通过消融实验进一步验证了模型性能的有效性。模型能够为制片方未来的电影制作和消费者的购票决策提供有用信息,具有一定的实用价值。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

基于注意力机制的分层次交互融合多模态情感分析

针对基于视频的多模态情感分析中,通常在同一语义层次采用同一种注意力机制进行特征捕捉,而未能考虑模态间交互融合对情感分类的差异性,从而导致模态间融合特征提取不充分的问题,提出一种基于注意力机制的分层次交互融合多模态情感分析模型(hierarchical interactive fusion network based on attention mechanism,HFN-AM),采用双向门控循环单元捕获各模态内部的时间序列信息,使用基于门控的注意力机制和改进的自注意机制交互融合策略分别提取属于句子级和篇章级层次的不同特征,并进一步通过自适应权重分配模块判定各模态的情感贡献度,通过全连接层和Softmax层获得最终分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,所给出的分析模型在2个数据集上有效改善了情感分类的准确率和F1值。     

基于双向门控机制和层次注意力的方面级情感分析

针对传统情感分析模型将单词或词语作为单一嵌入,而忽略句子之间依存信息和位置信息的问题,提出基于双向门控机制和层次注意力的方面级情感分析模型（Based on Bi-GRU and Hierarchical Attention,BGHA）。首先,将文本数据转成词向量再加入位置编码信息,得到包含位置和语义信息的词向量后通过双向门控机制提取上下文特征;接着,分别在单词注意力层和句子注意力层用注意力机制对特征分配权重,突出重点词和重点句信息;最后,结合给定的方面信息选择性提取与其较匹配的情感特征。在SemEval 2014、SemEval 2016和Twitter短文本评论数据集上的实验结果表示,BGHA模型的准确率对比其他模型都有不同程度的提高,证明了模型的有效性。     

高等院校教师业绩考核数量化方法探讨

高校教师业绩考核是高校师资、教学管理工作的核心,建立一整套严格的考核制度和科学的考核体系,对高校教师进行职务评聘、调资、奖惩和提职恶级等有着极为重要的意义,。该文从考核数量化我度出发,就教师“德、能、勤、绩”四个方面建立了一个结构性强、可比性高的有序系统,构建一一个简便,明了、容易掌握,便于操作具有较高的透明度和较强的实用性与可行性的量化考核方案。     

集成化企业网络需求分析信息量化模型

集成化企业网络需求分析信息量化模型冯径沈苏彬顾冠群（东南大学计算机科学与工程系,南京２１００９６）集成化企业网络是ＣＩＭＳ网络的典型网络,包括设计制造、控制和管理等各方面的网络集成［１,２］．网络需求分析是网络设计的第一步［３］,它不仅是整个网络设...     

我国传统粮食科学技术的量化考察与分析

本文对我国古代粮食科学技术分别从粮食储藏，粮食加工，食品加工和造曲酿酒等四方面进行了量化考察，确认量化程度由高到低的序列为：造曲酿酒－粮食加工－食品加工－粮食储藏，得出古代粮食科学技术在发展中的重要才识在已取得辉煌成就的基础上，没有从”数量化“的高度进行归纳总结，因而没有得出有意义的结论，使得已有的科学技术成就无法突破并继续提高。