کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6854067 1437326 2018 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An event-extraction approach for business analysis from online Chinese news
ترجمه فارسی عنوان
یک رویکرد استخراج رویداد برای تجزیه و تحلیل کسب و کار از اخبار آنلاین چین
کلمات کلیدی
رویدادهای تجاری، هوش تجاری، تجزیه و تحلیل متن چینی، استخراج رویداد، اقتصاد سنجی توضیحی، مدل های یادگیری ماشین، پردازش زبان طبیعی، اخبار آنلاین، الگوها، تعبیه کلمه
ترجمه چکیده
رویدادهای استخراج از اخبار کسب و کار کمک به کاربران برای درک روند بازار، آگاه از استراتژی رقبا و تصمیم گیری های سرمایه گذاری ارزشمند است. تحقیقات پیشین در زمینه کسب و کار و تجزیه و تحلیل کسب و کار مبتنی بر رویداد، به ویژه در زبان چینی انجام نشده است. ما یک رویکرد جدید کسب و کار رویداد استخراج پیشنهاد می کنیم الگوهای یکپارچه سازی، مدل های یادگیری ماشین و فن آوری تعبیه واژه در یادگیری عمیق، که برای استخراج وقایع از اخبار آنلاین چینی استفاده می شود. تعبیه کلمه و واژگان معنایی برای گسترش فرهنگ لغت رویداد رویداد با دقت بالا استفاده می شود. سپس ویژگی های ماشه در فرهنگ لغت به یک الگوریتم طبقه بندی یادگیری ماشین معرفی می شود تا شناسایی نوع تصحیح بیشتر تصحیح شود. بر اساس یک درخت الگوی مقیاس پذیر، نوع رویداد کشف شده برای یافتن بهترین الگوی مناسب برای استخراج عناصر رویداد از اخبار آنلاین استفاده می شود. نتایج تجربی نشان دهنده اثربخشی روش پیشنهادی است. علاوه بر این، مطالعات تجربی نشان می دهد که ارزش عملی رویدادهای استخراج شده، به ویژه در یافتن روابط بین رویدادهای خبری و بازده بیش از حد سهام، و تجزیه و تحلیل روند صنعت بر اساس حوادث در چین است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک رویکرد استخراج رویداد برای تجزیه و تحلیل کسب و کار از اخبار آنلاین چین
چکیده انگلیسی
Extracting events from business news aids users to perceive market trends, be aware of competitors' strategies, and to make valuable investment decisions. Prior research lacks event extraction in the area of business and event based business analysis, especially in Chinese language. We propose a novel business event-extraction approach integrating patterns, machine learning models and word embedding technology in deep learning, which is applied to extract events from online Chinese news. Word embedding and a semantic lexicon are utilized to extend an event trigger dictionary with high accuracy. Then the trigger features in the dictionary are introduced into a machine learning classification algorithm to implement more refined event-type recognition. Based on a scalable pattern tree, the event type that is discovered is used to find the best-suited pattern for extracting event elements from online news. Experimental results show the effectiveness of the proposed approach. In addition, empirical studies demonstrate the practical value of extracted events, especially in finding the relationships between news events and excess returns for stock, and analyzing industry trends based on events in China.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electronic Commerce Research and Applications - Volume 28, March–April 2018, Pages 244-260
نویسندگان
, , ,