प्रश्न:
नई मशीन सीखने की क्षमता वित्तीय डेटा के लिए स्टॉक दस्तावेजों के खनन को कैसे सक्षम कर सकती है?
ए:मशीन लर्निंग और एआई के रोमांचक नए मोर्चे में से एक यह है कि वैज्ञानिक और इंजीनियर स्टॉक आंदोलन और निवेश परिणामों की भविष्यवाणी करने के लिए पूरी तरह से नए प्रकार के संसाधनों का उपयोग करने के लिए विभिन्न तरीकों से तैयार कर रहे हैं। यह वित्तीय दुनिया में एक जबरदस्त गेम-चेंजर है, और बहुत ही गहन तरीके से निवेश रणनीतियों में क्रांतिकारी बदलाव लाएगा।
इस प्रकार के स्टॉक अनुसंधान के विस्तार के लिए आधार विचारों में से एक कम्प्यूटेशनल भाषा विज्ञान है, जिसमें प्राकृतिक भाषा का मॉडलिंग शामिल है। विशेषज्ञ जांच कर रहे हैं कि एसईसी फाइलिंग से लेकर शेयरधारक पत्र से लेकर अन्य परिधीय पाठ-आधारित संसाधनों में वृद्धि या फाइन-ट्यून स्टॉक विश्लेषण करने या पूरी तरह से नए विश्लेषण विकसित करने के लिए, टेक्स्ट दस्तावेजों का उपयोग कैसे किया जाए।
| मुफ्त डाउनलोड: मशीन लर्निंग और क्यों यह मायने रखता है |
महत्वपूर्ण अस्वीकरण यह है कि यह सब केवल तंत्रिका नेटवर्क, मशीन सीखने और प्राकृतिक भाषा विश्लेषण में ब्रांड के नए अग्रिमों के माध्यम से संभव बनाया गया है। ML / AI के आगमन से पहले, कंप्यूटिंग प्रौद्योगिकियों ने ज्यादातर इनपुट को "पढ़ने" के लिए रैखिक प्रोग्रामिंग का उपयोग किया था। पाठ दस्तावेज़ उपयोगी होने के लिए बहुत अधिक असंरचित थे। लेकिन पिछले कुछ वर्षों के भीतर प्राकृतिक भाषा विश्लेषण में हुई प्रगति के साथ, वैज्ञानिकों को पता चल रहा है कि क्वांटिफ़िबल परिणामों के लिए प्राकृतिक भाषा को "मेरा" करना संभव है या, दूसरे शब्दों में, परिणामों की गणना किसी तरह से की जा सकती है।
इसके कुछ बेहतरीन सबूत और सबसे उपयोगी उदाहरण वेब पर उपलब्ध विभिन्न शोध प्रबंधों और डॉक्टरेट के काम से आते हैं। एक पत्र में, "वित्तीय अर्थशास्त्र में मशीन लर्निंग और कम्प्यूटेशनल भाषाविज्ञान के अनुप्रयोग", अप्रैल 2016 को प्रकाशित, लिली गाओ ने कॉर्पोरेट एसईसी फाइलिंग, शेयरधारक कॉल और सोशल मीडिया संदेशों के खनन के लिए विशिष्ट प्रासंगिक प्रक्रियाओं की व्याख्या की।
गाओ लिखते हैं, "असंरचित और उच्च आयामी पाठ डेटा से सार्थक संकेतों को निकालना एक आसान काम नहीं है।" "हालांकि, मशीन लर्निंग और कम्प्यूटेशनल भाषाई तकनीकों के विकास के साथ, टेक्सटाइल दस्तावेजों के कार्यों का प्रसंस्करण और सांख्यिकीय विश्लेषण किया जा सकता है, और सामाजिक विज्ञानों में सांख्यिकीय पाठ विश्लेषण के कई अनुप्रयोग सफल साबित हुए हैं।" गैओ के मॉडलिंग और अंशांकन में अंशांकन की चर्चा से, पूरे विकसित दस्तावेज़ से पता चलता है कि इस प्रकार के विश्लेषण में से कुछ कैसे विस्तार से काम करता है।
सक्रिय परियोजनाओं के अन्य स्रोतों में इस GitHub परियोजना संक्षिप्त जैसे पृष्ठ शामिल हैं, और यह IEEE संसाधन विशेष रूप से "ट्विटर भावना विश्लेषण" से मूल्यवान वित्तीय जानकारी प्राप्त करने के बारे में बात कर रहा है।
लब्बोलुआब यह है कि इन नए एनएलपी मॉडल का उपयोग न केवल वित्तीय विश्लेषण के लिए, बल्कि अन्य प्रकार के अत्याधुनिक खोज के लिए, "भाषा" के बीच परंपरागत रूप से स्थापित लाइन को धुंधला करने के लिए, सभी प्रकार के पाठ दस्तावेज़ों का उपयोग करके त्वरित नवाचार चला रहा है। "डेटा।"
