论文部分内容阅读
深度学习技术当前在大数据领域得到广泛应用，并且在图像和语音识别、知识问答、机器翻译以及其他很多领域取得了重大突破。最近深度学习已经使得股票走势的预测算法更加准确。然而，由于业界交易者前期已经积累了大量交易规则，他们往往倾向于相信自己的经验与领域知识。因此，只有帮助交易者理解新的股票预测算法与模型才能将其用于现实世界中。众所周知，相对于传统的机器学习方法，如线性回归和支持向量机，深度学习模型存在一个很大的缺陷，即它难以解释。这个缺陷使得领域用户难以理解深度学习模型并完成进一步分析。 基于上述问题，我们实现了DeepClue系统,它通过可视化方式帮助用户理解在股票预测模型中用于预测的关键文本因素。具体地，我们设计了一个基于深度学习的股票预测模型，并结合标签相关性传播算法分析股票预测模型关键文本因素，最终实现了集成的可视化系统来帮助用户理解股票预测模型判断的文本输入与股票涨跌的关联关系。 在DeepClue系统中，我们有三点贡献。第一，通过优化深度神经网络和相关预测因素提取算法，我们解决了预测模型中哪些是可以为用户所理解的问题。第二，通过提取文本关键因素的层次结构进而在股价预测模型的可视分析界面中展示，我们阐明了如何有效地将学到的模型关联知识展示给用户。第三，由于噪声的存在，股票价格仅仅是部分可预测的，我们通过对预测不确定性的建模及可视化展示设计区分了可预测与不可预测部分的影响。 为了检验该系统的效果，我们分析了DeepClue的两个实际应用案例，分别是通过线上金融新闻以及推特数据来预测股价涨跌的深度学习模型。这两个案例证明了可视化系统在帮助用户理解股票预测模型上的有效性。另外，我们还进行了用户对照实验和专家调研。用户对照实验的结果显示了DeepClue系统在帮助用户进行股市预测分析是可用性与有效性，专家调研的反馈结果也证明了DeepClue系统在改进预测模型和优化股市交易操作中的价值。