論文の概要: Enhancing Investment Opinion Ranking through Argument-Based Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2409.17417v1
- Date: Wed, 25 Sep 2024 23:00:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-28 23:50:22.847190
- Title: Enhancing Investment Opinion Ranking through Argument-Based Sentiment Analysis
- Title（参考訳）: argument-based Sentiment Analysisによる投資オピニオンランキングの強化
- Authors: Chung-Chi Chen, Hen-Hsen Huang, Hsin-Hsi Chen, Hiroya Takamura, Ichiro Kobayashi, Yusuke Miyao,
- Abstract要約: 本研究は,レコメンデーションシステムの有効性を改善するために,二元的議論マイニング手法を導入する。
最初の戦略は、物価の目標と終了の相違を評価指標として使うことです。
第2の戦略は、投資家の意見を採点するために議論的マイニングの原則を適用し、その後これらのスコアでランク付けする。
- 参考スコア（独自算出の注目度）: 37.93981089263396
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the era of rapid Internet and social media platform development, individuals readily share their viewpoints online. The overwhelming quantity of these posts renders comprehensive analysis impractical. This necessitates an efficient recommendation system to filter and present significant, relevant opinions. Our research introduces a dual-pronged argument mining technique to improve recommendation system effectiveness, considering both professional and amateur investor perspectives. Our first strategy involves using the discrepancy between target and closing prices as an opinion indicator. The second strategy applies argument mining principles to score investors' opinions, subsequently ranking them by these scores. Experimental results confirm the effectiveness of our approach, demonstrating its ability to identify opinions with higher profit potential. Beyond profitability, our research extends to risk analysis, examining the relationship between recommended opinions and investor behaviors. This offers a holistic view of potential outcomes following the adoption of these recommended opinions.
- Abstract（参考訳）: インターネットとソーシャルメディアのプラットフォーム開発が急速に進んでいる時代には、個人は簡単に自分の視点をオンラインで共有できる。
これらのポストの圧倒的な量は、包括的な分析を非現実的なものにしている。
これは、重要な、関連する意見をフィルタリングし提示する効率的なレコメンデーションシステムを必要とする。
本研究は,プロの投資家とアマチュアの投資家の両方の観点から,レコメンデーションシステムの有効性を向上させるための二元的議論マイニング手法を提案する。
最初の戦略は、物価の目標と終了の相違を評価指標として使うことです。
第2の戦略は、投資家の意見を採点するために議論的マイニングの原則を適用し、その後これらのスコアでランク付けする。
提案手法の有効性を実験的に検証し,高い利益率で意見を見極める能力を示した。
収益性以外にも、私たちの研究はリスク分析にまで拡張し、推奨された意見と投資家の行動との関係を調べています。
これは、これらの推奨された意見が採用された後の潜在的な結果の全体像を提供する。
関連論文リスト
- Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。
因果的観点からRSを定式化し、二元的介入として勧告を定式化する。
提案手法では,結果の一致を最大化する手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T07:21:02Z) - Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。
本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。
本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-05-09T05:45:18Z) - User Welfare Optimization in Recommender Systems with Competing Content Creators [65.25721571688369]
本研究では,コンテンツ制作者間での競争ゲーム環境下で,システム側ユーザ福祉の最適化を行う。
本稿では,推奨コンテンツの満足度に基づいて,各ユーザの重みの列を動的に計算する,プラットフォームのためのアルゴリズムソリューションを提案する。
これらの重みはレコメンデーションポリシーやポストレコメンデーション報酬を調整するメカニズムの設計に利用され、それによってクリエイターのコンテンツ制作戦略に影響を与える。
論文 参考訳（メタデータ） (2024-04-28T21:09:52Z) - Stock Recommendations for Individual Investors: A Temporal Graph Network Approach with Mean-Variance Efficient Sampling [27.770653904666776]
個々の投資家は確立した投資理論を無視し、代わりに個人的な好みを好んだ。
これは、強い投資実績を提供するだけでなく、これらの個人の嗜好を尊重する株式レコメンデーションシステムにとっての課題である。
PfoTGNRec, Portfolio Temporal Graph Network Recommenderを提案する。
論文 参考訳（メタデータ） (2024-03-27T07:17:55Z) - ChatGPT-based Investment Portfolio Selection [21.24186888129542]
投資ポートフォリオの選択において、ChatGPTのような生成AIモデルの可能性を探る。
私たちはChatGPTを使って、投資に魅力的なS&P500市場指数から株式の宇宙を得ています。
以上の結果から,ChatGPTは株式選択に有効であるが,ポートフォリオ内の株式に最適な重み付けを割り当てるには適さない可能性が示唆された。
論文 参考訳（メタデータ） (2023-08-11T17:48:17Z) - Fusion of Sentiment and Asset Price Predictions for Portfolio
Optimization [0.0]
本稿では,資産に対する感情を予測するためにセマンティック・アテンション・モデルを用いる。
感情を意識したLong Short Term Memoryを通じて最適なポートフォリオを選択する。
戦略は、安定性の観点から、従来のポートフォリオ割り当て戦略を上回るものではない。
論文 参考訳（メタデータ） (2022-03-10T23:21:12Z) - Measuring "Why" in Recommender Systems: a Comprehensive Survey on the
Evaluation of Explainable Recommendation [87.82664566721917]
この調査は、IJCAI、AAAI、TheWebConf、Recsys、UMAP、IUIといったトップレベルのカンファレンスから100以上の論文に基づいています。
論文 参考訳（メタデータ） (2022-02-14T02:58:55Z) - Heterogeneous Demand Effects of Recommendation Strategies in a Mobile
Application: Evidence from Econometric Models and Machine-Learning
Instruments [73.7716728492574]
本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。
提案手法では, 有効性に有意な差が認められた。
我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
論文 参考訳（メタデータ） (2021-02-20T22:58:54Z) - Improving Investment Suggestions for Peer-to-Peer (P2P) Lending via
Integrating Credit Scoring into Profit Scoring [6.245537312562826]
本稿では、クレジット情報を収益評価モデルに組み込む2段階フレームワークを提案する。
実世界のP2P貸出データについて,米国P2P市場の実証実験を行った。
論文 参考訳（メタデータ） (2020-09-09T19:41:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。