基于模型检测的财经舆情可信度研究

发布时间：2021-09-07 00:42

　　财经舆情的可信度评估影响企业发展和投资者利益,为了获得可信度判别标准并判断其准确性,本文设计了一个基于模型检测技术的可信度检测框架。利用决策树算法代替传统的人工归纳过程来构建财经舆情的可信度判断规则,并以CTL形式化语言描述。将财经舆情数据库表示为基于时序逻辑关系的可信度待检测模型,并将模型以kripke结构表示。通过模型检测器NuSMV对待检测模型进行自动化的规则验证,判断待检测模型是否符合可信度检测规则,将不符合规则的模型中的路径输出为反例路径,即为不可信财经舆情的检测路径。最后,结合实证研究对提出的框架进行了有效性验证。结果表明,本文提出的框架可以快速有效实现财经舆情可信度的自动检测,帮助投资者分析和预测财经舆情的真实性。 

【文章来源】：情报学报. 2020,39(06)北大核心CSSCICSCD

【文章页数】：11 页

【部分图文】：

模型检测基本工作流程图

本文提出的财经舆情可信度检测框架旨在建立财经舆情可信度评估模型并对模型进行自动验证，整个过程分为数据准备、模型检测和结果分析三个阶段（图2）。首先，对初始数据源进行加工清洗，通过决策树算法生成可信度检测路径，以决策树中特征所在节点的先后顺序为基础，按照时序关系对每类财经舆情数据进行建模，完成财经舆情检测状态的确立及状态转移关系的归并，建立待检测模型；将规则与模型进行形式化表示并输入模型检测器，执行模型检测，输出每类舆情中不可信的舆情路径（反例）；最后，分析和评价检测结果。3.2 模型检测

其中，路径(1)(2)(3)的检测结果是确定的，而路径(4)的检测结果存在2条不可信舆情，1条可信舆情，本文将该类路径结果归属数量占比大的一类。归并简化决策树生成的检测路径，合并子树中分类结果相同的分支，如将图3中路径(1)和(2)合并，则得到简化的检测规则如下：


本文编号：3388512