Глава
Universal Algorithm for Trading in Stock Market Based on the Method of Calibration
В книге
В данной работе рассматривается проблема моделирования авторского стиля на русском языке. В частности, мы решаем задачу атрибуции авторства, используя собранный набор данных из 30 авторов, 1506 текстов, написанных в период с 18 по 21 век. Мы применяем различные подходы к решению проблемы атрибуции: случайный лес, логистическая регрессия, метод опорных векторов. С точки зрения представления текста, мы используем семь моделей на трех уровнях языка: лексика, морфология и синтаксис. Кроме того, мы предлагаем собственный набор морфосинтаксических признаков, которые сопоставимы по эффективности с doc2vec, но полностью интерпретируемы. Проведенные эксперименты показывают эффективность их автономного использования, а также повышение качества классификации при использовании этих атрибутов наряду с классическим подходом на основе doc2vec. Весь код, включая извлечение признаков, размещён в свободном доступе. Кроме того, мы анализируем эффективность отдельных признаков как маркеров стиля. Наконец, мы изучаем ошибки классификации, чтобы определить закономерности в неправильном определении конкретных авторов.
Прогнозирование воздействия новостных событий на изменение цен финансовых активов можно использовать для управления стоимостью компании. В работе продемонстрирована возможность при помощи метода контент-анализа выявить степень влияния нефинансовых рисков на рыночную стоимость публичной компании. На примере четырех публичных компаний российского рынка авторы проводят тестирование метода, показывают его ограничения и возможности.
В статье проводится исследование методов глубокого обучения для решения новой задачи многоклассовой классификации текстов, а именно определения интересов пользователей с помощью текстовых сообщений. Мы использовали оригинальный набор данных из почти 90 тысяч текстовых сообщений с форумов, размеченных по десяти интересам. Мы экспериментировали с различными современными архитектурами нейронных сетей: рекуррентными и сверточными, а также с более простыми сетями с прямой связью. Точность классификации была оценена для различных архитектур, репрезентаций текстов и комбинаций признаков и параметров.
One of the most challenging data analysis tasks of modern High Energy Physics experiments is the identification of particles. In this proceedings we review the new approaches used for particle identification at the LHCb experiment. Machine-Learning based techniques are used to identify the species of charged and neutral particles using several observables obtained by the LHCb sub-detectors. We show the performances of various solutions based on Neural Network and Boosted Decision Tree models.