一年期滚动项目——证券管理决策大数据挖掘云服务平台研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    91846113
  • 项目类别：
    重大研究计划
  • 资助金额：
    20.0万
  • 负责人：
    何清
  • 依托单位：
    中国科学院计算技术研究所
  • 学科分类：
    G0209.商务智能与数字商务
  • 结题年份：
    2019
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2019-12-31

项目摘要

This proposal, based on the previous project “The Research on Big Data Mining Cloud Service Platform towards Securities Management and Decision-making”, aims to focus on the effect of unistructural data in financial regulation. The unistructural data is particularly difficult to label in financial applications because of its inherent complexity. Meanwhile, the financial decision making requires the models have reasonable interpretabilities. To address these issues, this proposal attempts to study the problem of interpretable sentiment analysis of the financial text. Here, the financial text refers to financial market-related news published by news media or social networks and company disclosure texts published by listed companies. Specifically, the proposal studies document-level interpretable financial sentiment analysis based on recurrent neural network and attention mechanism to produce explainable clues for justification. Second, the proposal studies aspect-level interpretable financial sentiment analysis via dynamic capsule network, which simultaneously extracts aspect entities and sentiment polarities. To publish 2 papers in well-known conferences of journals. We expect to enrich the research achievements of this research domain and improve the level of financial regulation of China. The research results about financial big data sentiment analysis can be integrated to the integration project.
本项目基于前期执行的培育项目“证券管理决策大数据挖掘云服务平台研究”的研究成果，深化突出非结构化数据在金融监管中的作用，特别考虑金融应用中非结构化数据的标注难度和金融监管决策对模型可解释能力的诉求，开展金融文本可解释性情感分析研究。这里，金融文本指的是由新闻媒体或社交网站发布的与金融市场有关的消息和由上市公司公布的公司披露文本。具体地，研究基于深度循环神经网络和注意力机制的可解释性文档级金融文本情感分类，为分类提供解释性依据；研究基于动态胶囊网络的主体级金融文本情感分类，自动提取情感极性所述主体，提升分类准确率。在国内外学术会议、刊物发表高水平论文2篇，丰富该领域的研究成果，提升我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果体现在集成项目。

结项摘要

本一年期滚动项目基于前期执行的培育项目“证券管理决策大数据挖掘云服务平台研究”的研究成果，深化突出非结构化数据在金融监管中的作用，特别考虑金融应用中非结构化数据的标注难度和金融监管决策对模型可解释能力的诉求，开展了金融文本可解释性情感分析研究。这里，金融文本指的是由新闻媒体或社交网站发布的与金融市场有关的消息和由上市公司公布的公司披露文本。具体地，研究基于深度循环神经网络和注意力机制的可解释性文档级金融文本情感分类，为分类提供解释性依据；研究基于动态胶囊网络的主体级金融文本情感分类，自动提取情感极性所述主体，提升分类准确率。具体包括: 在国内外学术会议、刊物发表录用论文共10篇，其中CCF A类论文5篇，CCF B类论文4篇,专利1项，丰富该领域的研究成果，提升了我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果有望体现在集成项目。本项目预计将所研制的关键技术在集成项目得到升华和利用。丰富该领域的研究成果，提升我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果在多家金融企业获得应用，并对更深入的应用提供了项目支持。具体来书说，项目开发的基于Spark 和Azkaban 的大规模数据挖掘云服务平台系统其主要模块已经用于德勤商业产品，大型金融机构中国工商银行等、持续支持用于债券违约预警，产品签约国家监管机构中证监测。本项目技术开发了金融文档复核系统，通过金融科技公司进行了成果转化和落地应用，提供了平台服务，投行部门的业务团队注册数千用户常规使用，并已部署至多家金融监管机构和头部券商。

项目成果

期刊论文数量（4）
专著数量（0）
科研奖励数量（0）
会议论文数量（4）
专利数量（0）
Multi-Aspect Embedding for Attribute-Aware Trajectories
属性感知轨迹的多方面嵌入
  • DOI：
    10.3390/sym11091149
  • 发表时间：
    2019
  • 期刊：
    Symmetry-Basel
  • 影响因子：
    2.7
  • 作者：
    Boonchoo Thapana;Ao Xiang;He Qing
  • 通讯作者：
    He Qing
Large-Scale Frequent Episode Mining from Complex Event Sequences with Hierarchies
从具有层次结构的复杂事件序列中进行大规模频繁片段挖掘
  • DOI：
    10.1145/3326163
  • 发表时间：
    2019-08-01
  • 期刊：
    ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY
  • 影响因子：
    5
  • 作者：
    Ao, Xiang;Shi, Haoran;He, Qing
  • 通讯作者：
    He, Qing
Grid-based DBSCAN: Indexing and inference
基于网格的 DBSCAN：索引和推理
  • DOI：
    10.1016/j.patcog.2019.01.034
  • 发表时间：
    2019-06-01
  • 期刊：
    PATTERN RECOGNITION
  • 影响因子：
    8
  • 作者：
    Boonchoo, Thapana;Ao, Xiang;He, Qing
  • 通讯作者：
    He, Qing
Discovering and learning sensational episodes of news events (vol 78, pg 68, 2018)
发现和学习新闻事件的轰动事件（第 78 卷，第 68 页，2018 年）
  • DOI：
    10.1016/j.is.2019.01.009
  • 发表时间：
    2019
  • 期刊：
    Information Systems
  • 影响因子：
    3.7
  • 作者：
    Ao Xiang;Luo Ping;Li Chengkai;Zhuang Fuzhen;He Qing
  • 通讯作者：
    He Qing

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于野外观测的风沙流跃移和蠕移运动规律研究
  • DOI：
    10.13448/j.cnki.jalre.2017.154
  • 发表时间：
    2017
  • 期刊：
    干旱区资源与环境
  • 影响因子：
    --
  • 作者：
    康永德;何清;杨兴华;杨帆;艾力·买买提明;霍文
  • 通讯作者：
    霍文
基于集成局部性特征学习的推荐算法
  • DOI：
    10.3778/j.issn.1673-9418.1705040
  • 发表时间：
    2018
  • 期刊：
    计算机科学与探索
  • 影响因子：
    --
  • 作者：
    庄福振;罗丹;何清
  • 通讯作者：
    何清
火灾情况下某城市地铁换乘站内大规模人群疏散特征研究
  • DOI：
    10.13637/j.issn.1009-6094.2018.04.032
  • 发表时间：
    2018
  • 期刊：
    安全与环境学报
  • 影响因子：
    --
  • 作者：
    唐飞;何清;朱孔金;徐童;石琴;李恒
  • 通讯作者：
    李恒
塔克拉玛干沙漠腹地沙丘温度特征浅析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    干旱气象
  • 影响因子：
    --
  • 作者：
    李振杰等;金莉莉;何清
  • 通讯作者：
    何清
新疆地表水资源对气候变化的响应初探
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国沙漠
  • 影响因子：
    --
  • 作者：
    何清;袁玉江;魏文寿;龚原
  • 通讯作者：
    龚原

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

何清的其他基金

证券管理决策大数据挖掘云服务平台研究
  • 批准号：
    91546122
  • 批准年份：
    2015
  • 资助金额：
    43.0 万元
  • 项目类别：
    重大研究计划
深度与宽度自适应的深度极端学习机模型研究
  • 批准号：
    61573335
  • 批准年份：
    2015
  • 资助金额：
    67.0 万元
  • 项目类别：
    面上项目
领域适应性问题相关学习算法与理论研究
  • 批准号：
    61175052
  • 批准年份：
    2011
  • 资助金额：
    57.0 万元
  • 项目类别：
    面上项目
分布式计算环境下的并行数据挖掘算法与理论研究
  • 批准号：
    60975039
  • 批准年份：
    2009
  • 资助金额：
    33.0 万元
  • 项目类别：
    面上项目
基于分类超曲面的覆盖分类算法与理论研究
  • 批准号：
    60675010
  • 批准年份：
    2006
  • 资助金额：
    25.0 万元
  • 项目类别：
    面上项目
概念语义空间及其应用
  • 批准号：
    60173017
  • 批准年份：
    2001
  • 资助金额：
    18.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码