基于消息的汇率趋势预测的数据挖掘方法

在目前,汇率预测的方法一般采用人工神经网络和贝叶斯估计方法,但这些方法一般都是基于汇率数据本身进行的。然而汇率的变动实际上是由政治、经济、心理等因素造成的。因此,利用这些新闻消息应该更具有可行性。该文讨论了如何根据新闻消息利用贝叶斯网络来进行汇率的趋势预测,分析了如何才能改进预测精度。同时还实现了一个寻找全局最优贝叶斯网络的选择算法。     

Augmented Bayes分类器的一种学习方法

NaveBayes分类器作为一种计算简单、精度较高的分类方法,已经得到了广泛应用。但是其所作的假设:各属性之间相互独立却非常容易在现实中被违背,阻碍了分类器精度的进一步提高。而Bayes网络较好地考虑了属性之间的依赖关系,但是其计算相当复杂。AugmentedBayes分类器将两者的优点结合在一起,既考虑了属性之间的依赖关系,又保证了算法的简单性。该文从属性所拥有的信息量出发考虑,提出了AugmentedBayes分类器的一种基于熵的学习方法。最后,通过测试数据将该方法与NaveBayes分类器和SuperParent算法进行了比较。     

汇率趋势预测数据挖掘的数据预处理方法

要用数据挖掘的方法得到有关汇率变动的趋势预测,其首要任务就是对这些汇市消息摘要进行一定的数据预处理,将其转换成具有一定结构的、有利于数据挖掘方法实现的目标语言。该文就是一个这样的对汇市消息摘要的预处理方法,它对有关汇市消息摘要的领域知识进行了详细的分析,得出了相应的领域规则知识,并对基于TRIE索引树的分析词典机制犤2犦加以改进,建立了一定的相关算法,从而实现了从汇市消息摘要到Bayes语言的数据挖掘的数据预处理。     

二次搜索系统的设计与实现

Internet的快速增长使人们越来越依赖于搜索引擎来发现有用的信息。当前绝大多数中文搜索引擎都是基于文本的，其搜索效果通常不能令人满意。基于正在兴起的链接分析技术，借助文本式搜索引擎的搜索成果，设计并实现了一个二次搜索系统。该系统通过对文本搜索引擎搜索结果的再次处理，为终端用户提供一个高质量的搜索结果。     

SISE:一个基于机器学习的中文专题搜索引擎

随着Internet的迅速发展，专题搜索引擎以其可以准确且快速提交贴切用户专题信息的特殊性能而越来越受到广大Internet用户，的欢迎。然而，维护和更新这些专题搜索引擎却要费去太多时间，该文简要介绍了一个基于机器学习的智能中文专题搜索引擎SISE（Stock InfoSearch Engine)的设计和实现，SISE充分利用机器学习机制，设计出一个仅迫踪股票信息的智能网络机器人和文本分类器，从而加快信息的检索与更新，并且具有很高的查全率和查准率。