中文自然语言理解(NLU)在金融领域的应用(首节免费)

本系列课程是使用中文自然语言理解的强大技术来解决金融问题的实用课程。每节课由有着十几年中文自然语言处理经验的尹相志老师亲自教授,是一套非常难得的NLU中级应用课程。(课时:12小时34分钟 课程:7节)

自然语言理解 金融 量化投资 自然语言处理

    课程资料

    • 1.6G股市公告新闻投研报告

    • 包含29亿个Token的中文词向量

    • 中文Unicode字形向量

    • 各实做代码及资料等

    • 课程资料下载总文档:报名课程后可见

    课程背景

    视线回到2014年3月31日,微博爆出马伊琍文章夫妇事件。一夜之间,“伊琍挺住”、“伊琍不哭”之类安慰马伊琍的词句在微博上激增。当日,伊利股份逆市上扬2.28%。

    640-3.jpeg

    马伊琍事件影响伊利股价,看似荒诞,其实的确是人群舆论影响市场的一个表现。我们普通人能处理的信息量有限,往往不能及时觉察到舆论对市场的影响。但是,深度学习模型可以通过快速识别篇章情感,提取实体与关系,结合市场走势信息,学习市场深度特征,来为我们提供市场交易建议。

    让我们再看一个针对中文特殊性的例子:

    研表究明,汉字序顺并不定一影响阅读。

    事证实明了当你看完这句话之后才发字现都乱是的。

    我们人类看中文就好像是一个并行的动作,一眼望去就能知意,根本没有受到乱序的影响。但是这种乱序对于普遍使用的序列模型来说就是噩梦了。或许我们就应该参考人类的视觉,先放下序列模型,改用CNN去看中文?用CNN把文字当图像处理,能够充分利用并行计算能力,加快训练速度,还能达到RNN一样的的效果,我们何乐而不为哪?

    针对自然语言理解(NLU)在金融领域的应用以及中文自然语言的高级处理技巧这两大主题,集智AI学园特别邀请了拥有多年中文自然语言理解商业应用经验的尹相志老师,为我们精心设计了本套课程。

    在本套课程中,我们将学习到中文自然语言理解(NLU)的基本原理和实用技巧,以及使用NLU技术解读投研报告等金融文本的方法。最后我们还将综合所学的技术,使用模型挖掘隐藏在篇章中的情感信息,并结合市场价格行情,让人工智能学习如何协助人进行金融决策。

    课程要求

    学习该课程之前,你需要掌握如下基础数学知识:

    • 高等数学基础

    • 了解 Python 语言

    • 了解 PyTorch 深度学习框架

    课程目的

    认真学习本课程,你能做到

    • 充分了解针对中文这种“形音结合”的文字有哪些特别的处理技巧

    • 充分了解在自然语言理解技术(NLU)中,存在哪些挖掘市场特征的方法

    • 充分掌握使用NLU技术进行中文篇章情感识别的方法

    • 充分了解如果要进行市场预测,需要考虑那些问题,有哪些最新的特殊技巧是可以采用的

    课程详情

    本课程以探讨解决实际金融问题为例,详细讲解了在中文语境下的自然语言理解技术,内容包括:

    • 讲解中文处理的特殊技巧:字形字音字义三位一体

    • 句法处理技巧:树状 LSTM

    • 篇章情感识别,结合股价信息,挖掘市场深度特征