[发明专利]基于双向跨模态注意力网络模型的股价预测方法及系统

摘要

本发明提供了一种基于双向跨模态注意力网络模型的股价预测方法，选取数据集，爬取股价闭市序列数据和相应的推特社交文本数据集，并对文本数据进行预处理；针对推特社交文本，利用词向量将文本序列转化成向量特征表示，针对股价序列数据，将连续序列进行三分类处理，转化成离散数据表示；对股价序列数据和推特文本数据集分别利用循环神经网络进行建模，利用一个双向的跨模态的注意力机制融合两部分模块，分别学习提取与预测目标相关的股价序列和社交文本序列；切分数据集，利用训练样本学习网络模型的参数并利用验证集进行参数调优；利用基于双向跨模态注意力的网络模型预测目标数据中的股价趋势。

主权项

1.一种基于双向跨模态注意力网络模型的股价预测方法，其特征在于，所述方法包括如下步骤：第一步，选取数据集，爬取股价闭市序列数据和相应的社交文本数据集，并对社交文本数据进行预处理；第二步，针对社交文本数据，利用词向量将文本序列转化成向量特征表示；针对股价闭市序列数据，将连续股价闭市序列进行三分类处理，转化成离散数据表示；第三步，对股价闭市序列数据和社交文本数据集分别利用循环神经网络进行建模，利用双向的跨模态的注意力机制融合两部分模块，分别学习提取与预测目标相关的股价闭市序列和社交文本序列；第四步，切分数据集，利用训练样本学习网络模型的参数并利用验证集进行参数调优；第五步，利用基于双向跨模态注意力的网络模型预测目标数据中的股价趋势。