异构信息互动模型中的关键技术研究

网络信息已成了人们不可或缺的信息源，但其非结构化、来源分散等特点使得深层网络信息处理技术发展缓慢；同时，人们还拥有采用结构化存储的量化数据库，与网络信息相比，其具有结构化、精确化、来源稳定等特点。目前，这两个领域的研究还处于相互独立的状态，由于量化数据的精确性，使它在重要的时间序列预测中起到决定性作用。但单纯基于结构化数据的时间序列预测模型很难预测到在互联网上发布的各种事件或消息对时间序列的突变性影响。为此，项目引入了文本信息影响度计算方法，并通过与传统预测算法融合，建立了基于异构信息的时间序列预测模型。同时，根据预测误差简洁、准确、便捷等特点，建立了基于误差反馈的领域知识发现与模型优化算法，从而为这两种信息之间的相互作用建立起了一个互动模型，并在金融领域建立一个股票价格预测原型系统，用于模型的验证与推广。项目除了为时间序列预测提供了新的方法，也为语言学知识挖掘做出了有益探索。