Fugu-MT 論文翻訳(概要): Artificial intelligence prediction of stock prices using social media

論文の概要: Artificial intelligence prediction of stock prices using social media

arxiv url: http://arxiv.org/abs/2101.08986v1
Date: Fri, 22 Jan 2021 07:47:37 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 02:44:46.844542
Title: Artificial intelligence prediction of stock prices using social media
Title（参考訳）: ソーシャルメディアを用いた株価の人工知能予測
Authors: Kavyashree Ranawat and Stefano Giani
Abstract要約: この研究の主な目的は、ツイートを用いて株式市場の動きを予測するLSTMに基づくニューラルネットワークを開発することである。 LSTMネットワークで使用される単語埋め込みは、スタンフォード大学のGloVe埋め込みを使用して初期化されます。このモデルの最終的なテスト精度は76.14%である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The primary objective of this work is to develop a Neural Network based on LSTM to predict stock market movements using tweets. Word embeddings, used in the LSTM network, are initialised using Stanford's GloVe embeddings, pretrained specifically on 2 billion tweets. To overcome the limited size of the dataset, an augmentation strategy is proposed to split each input sequence into 150 subsets. To achieve further improvements in the original configuration, hyperparameter optimisation is performed. The effects of variation in hyperparameters such as dropout rate, batch size, and LSTM hidden state output size are assessed individually. Furthermore, an exhaustive set of parameter combinations is examined to determine the optimal model configuration. The best performance on the validation dataset is achieved by hyperparameter combination 0.4,8,100 for the dropout, batch size, and hidden units respectively. The final testing accuracy of the model is 76.14%.
Abstract（参考訳）: この研究の主な目的は、ツイートを用いて株式市場の動きを予測するLSTMに基づくニューラルネットワークを開発することである。 lstmネットワークで使用される単語埋め込みは、スタンフォードのグラブ埋め込みを使用して初期化され、特に20億ツイートに事前学習されている。データセットの限られたサイズを克服するために、各入力シーケンスを150個のサブセットに分割する拡張戦略を提案する。元の構成をさらに改善するために、ハイパーパラメータ最適化を行う。落下速度,バッチサイズ,LSTM隠れ状態出力サイズなどのハイパーパラメータの変動の影響を個別に評価する。さらに,パラメータの組み合わせを網羅的に検討し,最適なモデル構成を決定する。検証データセット上で最高のパフォーマンスは、それぞれドロップアウト、バッチサイズ、隠蔽ユニットのハイパーパラメータの組み合わせ0.4,8,100によって達成される。このモデルの最終的なテスト精度は76.14%である。
全文参考訳へのリンク