論文の概要: Semiconductor Industry Trend Prediction with Event Intervention Based on LSTM Model in Sentiment-Enhanced Time Series Data

• arxiv url: http://arxiv.org/abs/2511.15112v1
• Date: Wed, 19 Nov 2025 04:36:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.633745
• Title: Semiconductor Industry Trend Prediction with Event Intervention Based on LSTM Model in Sentiment-Enhanced Time Series Data
• Title（参考訳）: 感度向上時系列データにおけるLSTMモデルに基づくイベント干渉による半導体産業トレンド予測
• Authors: Wei-hsiang Yen, Lyn Chao-ling Chen,
• Abstract要約: この研究の革新は、ディープラーニング手法と感情分析が従来のビジネスモデル分析と予測に組み込まれていることである。 予測結果は,TSMCのウェハ技術の著しい発展と,世界市場における潜在的な脅威を明らかにした。
• 参考スコア（独自算出の注目度）: 0.8594140167290095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The innovation of the study is that the deep learning method and sentiment analysis are integrated in traditional business model analysis and forecasting, and the research subject is TSMC for industry trend prediction of semiconductor industry in Taiwan. For the rapid market changes and development of wafer technologies of semiconductor industry, traditional data analysis methods not perform well in the high variety and time series data. Textual data and time series data were collected from seasonal reports of TSMC including financial information. Textual data through sentiment analysis by considering the event intervention both from internal events of the company and the external global events. Using the sentiment-enhanced time series data, the LSTM model was adopted for predicting industry trend of TSMC. The prediction results reveal significant development of wafer technology of TSMC and the potential threatens in the global market, and matches the product released news of TSMC and the international news. The contribution of the work performed accurately in industry trend prediction of the semiconductor industry by considering both the internal and external event intervention, and the prediction results provide valuable information of semiconductor industry both in research and business aspects.
• Abstract（参考訳）: 本研究の革新は, 深層学習法と感情分析が従来型のビジネスモデル分析と予測に統合され, 台湾の半導体産業のトレンド予測はTSMCである。 半導体産業におけるウェハ技術の急速な市場変化と発展のために、従来のデータ分析手法は、多種多様な時系列データではうまく機能しない。 財務情報を含むTSMCの季節報告から,テキストデータと時系列データを収集した。 企業内部イベントと外部グローバルイベントの両方からのイベント介入を考慮した感情分析によるテキストデータ 感情強調時系列データを用いて,TSMCの業界動向を予測するためにLSTMモデルを採用した。 予測結果は、TSMCのウェハ技術の著しい発展と、世界市場における潜在的な脅威を明らかにし、TSMCと国際ニュースの製品リリースのニュースと一致する。 内部および外部のイベント介入を考慮し、半導体産業の業界動向予測において、その成果を正確に達成し、その結果、研究面とビジネス面の両方において、半導体産業の貴重な情報を提供する。

関連論文リスト

• Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting [49.05788441962762]
  エージェント時系列予測(ATSF)は,認識,計画,行動,反射,記憶からなるエージェントプロセスとして再編成される。 ワークフローに基づく設計、エージェント強化学習、ハイブリッドエージェントワークフローパラダイムという3つの代表的な実装パラダイムを概説し、モデル中心の予測からエージェント予測に移行する際に生じる機会と課題について議論する。
  論文  参考訳（メタデータ） (2026-02-02T08:01:11Z)
• Optimization of Deep Learning Models for Dynamic Market Behavior Prediction [4.594360512414794]
  UCI Online Retail IIデータセットを用いて,電子商取引におけるマルチ水平需要予測について検討した。 本稿では,マルチスケールの時間的畳み込み,ゲートリカレントモジュール,タイムアウェア・セルフアテンションを組み合わせたハイブリッド・シーケンス・モデルを提案する。 結果は,ピーク/ホリデー期間において,一貫した精度向上と改善を示した。
  論文  参考訳（メタデータ） (2025-11-24T13:30:52Z)
• DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space [60.729377189859]
  完全な観測空間でAIWPを動作させるためのDAWPフレームワークを提案する。 AIDAモジュールは、不規則な衛星観測トークンを同化するためにマスク多モードオートエンコーダを適用している。 我々はAIDAがAIWPのロールアウトと効率を大幅に改善し、地球規模の降水分解予測に適用できる有望な可能性を秘めていることを示す。
  論文  参考訳（メタデータ） (2025-10-13T03:13:35Z)
• FutureX: An Advanced Live Benchmark for LLM Agents in Future Prediction [92.7392863957204]
  FutureXは、将来の予測のための最大かつ最も多様なライブベンチマークである。 リアルタイムの日次更新をサポートし、質問収集と回答収集のための自動パイプラインを通じてデータの汚染を取り除く。 推論,検索機能,外部ツールの統合などを含む25のLLM/エージェントモデルを評価した。
  論文  参考訳（メタデータ） (2025-08-16T08:54:08Z)
• Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
  時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。 既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。 本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
  論文  参考訳（メタデータ） (2024-11-24T04:56:45Z)
• An Evaluation of Deep Learning Models for Stock Market Trend Prediction [0.3277163122167433]
  本研究では,S&P 500指数とブラジルETF EWZの日時閉値を用いた短期トレンド予測のための先進的なディープラーニングモデルの有効性について検討した。 時系列予測に最適化されたxLSTM適応であるxLSTM-TSモデルを導入する。 テストされたモデルの中で、xLSTM-TSは一貫して他のモデルよりも優れており、例えば、テスト精度72.82%、F1スコア73.16%をEWZの日次データセットで達成している。
  論文  参考訳（メタデータ） (2024-08-22T13:58:55Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• A Deep Learning Method for Predicting Mergers and Acquisitions: Temporal Dynamic Industry Networks [0.0]
  効果的なM&A予測モデルは、アドホックな機能エンジニアリングやデータリバランスを必要とせずに、取引レベルの予測を提供するべきである。 M&Aイベントのばらつきのため、既存のモデルはデータリバランシングを必要とし、バイアスを導入し、現実の応用性を制限する。 本稿では、時間点過程と深層学習を利用して複雑なM&A相互依存を捕捉する時間動的産業ネットワーク(TDIN)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-10T18:48:19Z)
• Survey on Foundation Models for Prognostics and Health Management in Industrial Cyber-Physical Systems [1.1034992901877594]
  BERTやGPTのような大規模基盤モデル(LFM)は、AI技術の大幅な進歩を示している。 ChatGPTはこの研究パラダイムにおける顕著な成果であり、汎用人工知能の可能性を秘めている。 データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待されている。
  論文  参考訳（メタデータ） (2023-12-11T09:58:46Z)
• Industry Risk Assessment via Hierarchical Financial Data Using Stock Market Sentiment Indicators [0.9463895540925061]
  本稿では,実時間株式市場データと生成小言語モデル(SLM)を活用した産業動向の分析手法を提案する。 重要な課題の1つは、生データの固有のノイズであり、統計分析の精度を損なう可能性がある。 本稿では,業界トレンド分析における二段階的アプローチとして,明示的および暗黙的分析を提案する。
  論文  参考訳（メタデータ） (2023-03-05T16:17:56Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• On the Construction of Distribution-Free Prediction Intervals for an Image Regression Problem in Semiconductor Manufacturing [0.0]
  本稿では,ノイズ走査型電子顕微鏡画像からの線端粗さ推定の問題に焦点をあてる。 LER推定に正規化共形予測と量子レグレッションを効果的に活用する方法は、すぐには明らかではない。 本稿では,画像データの分布自由な予測区間を見つけるためのモデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-07T06:00:07Z)

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。