[发明专利]一种基于多模态学习的自动化市场分析方法

摘要

本发明是一种基于多模态学习的自动化市场分析方法，先对学习装置进行训练，然后在实际使用中利用训练好的学习装置对市场进行预测；所述学习装置训练的方法为首先采集市场的不同模态信息并对该信息进行标注；然后使用行情数据特征、文字特征的多示例生成方法将底层特征转换成为多示例包的形式；最后采用能够利用多种不同模态的多示例多标记学习方法对数据进行融合处理，进行多标记学习。本发明通过对市场的多个侧面信息进行获取，以更为全面的刻画市场的变动，能够更为准确的预测市场变化。利用多模态信息进行市场行情预测的方法，实施过程能够对不同模态的数据信息加以使用，适用性强，效果好。

主权项

一种基于多模态学习的自动化市场分析方法，其特征在于，先对学习装置进行训练，然后在实际使用中利用训练好的学习装置对市场进行预测；所述学习装置训练的方法为：首先采集市场的不同模态信息并对该信息进行标注；然后使用行情数据特征、文字特征的多示例生成方法将底层特征转换成为多示例包的形式；最后采用能够利用多种不同模态的多示例多标记学习方法对数据进行融合处理，进行多标记学习；所述市场的不同模态信息为市场行情数据或市场描述文字信息；所述学习装置训练的具体步骤如下：A、收集市场的多种模态信息，对搜集的对象进行人工标注；B、通过多示例生成方法将搜集的市场信息底层特征转化为多示例包的表示形式：{(x, t) , y}，其中媒体对象标记为x，相应的其他模态信息记为t，人工标注标记为y；C、使用训练模型M训练收集的数据，得到相关的模型参数：标记生成式子模型参数α、 βy；市场直接行情特征模态信息生成子模型参数βc；其他模态信息生成式子模型参数βt以及多模态输入隐变量控制模型参数η；学习装置的使用步骤如下：a、收集测试市场行情数据特征；b、通过多示例生成方法将市场行情的底层特征转化为多示例包的表示形式{(x)}或者{(x, t)}；c、使用训练模型M处理新市场特征I，输出预测标记y；所述训练模型M的生成式概率模型建模方法为：（1）令市场行情由主题模型生成，其中标记y由参数通过Latent Dirichlet Allocation子模型和条件多项式分布参数生成；（2）令由标记先验分布决定；（3）令市场行情特征，即多示例包中的每个示例x都是由参数通过Latent Dirichlet Allocation参数子模型和条件多项式分布参数生成；（4）令其他模态特征t同样由参数通过Latent Dirichlet Allocation子模阶段型和条件多项式分布参数生成，即两种模态特征x和t的主题由同样的参数决定，并且如若其他模态也是多示例包表示，则包中每个示例都均由训练模型M生成。