LLaMA-3.1-70B 从财经新闻中提取结构化数据以提升股票预测

研究人员开发了一个新的框架，用于从财经新闻中提取结构化信息，超越了传统的情感分析。该框架利用LLaMA-3.1-70B识别六个语义维度，包括事件类型、影响范围、时间范围和语义置信度。在FNSPID数据集上的实验表明，与单独使用情感分析相比，这些结构化特征与情感分析相结合可以显著提高股票预测的准确性。 AI

影响 这项研究通过提取比单纯情感分析更丰富的信息，可能带来更复杂的AI驱动的金融分析工具。

排序理由 该条目是一篇学术论文，详细介绍了用于从财经新闻中提取结构化信息的新框架和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• FinBERT
• FNSPID
• Gotit.pub
• Hugging Face
• Llama 3.1 70B
• ScienceCast

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →