- 博客(11)
- 收藏
- 关注
RSS订阅原创 2024山东大学软件学院项目实训开发日志（10）-实时金融新闻
`request` 和 `jsonify`：Flask的请求和响应处理工具。print("查询快讯列表成功！print("查询快讯列表失败！print("查询品种列表成功！print("查询品种列表失败！print("查询最新行情失败！- `QrySymbolList`：查询品种列表的函数。- `QryFlashList`：查询快讯列表的函数。- `QryLastQuote`：查询最新行情的函数。print("查询快讯列表失败！print("查询品种列表失败！print("查询最新行情失败！
2024-06-23 18:42:36
593
原创 2024山东大学软件学院项目实训开发日志（8）-市场情绪分析的重要性
市场情绪不仅是市场行为的重要驱动因素，还可以提供关于市场走向和潜在风险的有用见解。然而，情绪分析应谨慎进行，因为它可能受到噪音和误导信息的影响，而且市场情绪本身也容易波动。例如，恐慌情绪可能导致抛售，而乐观情绪可能推高市场。泡沫和崩盘：市场情绪可以导致资产价格的泡沫，即价格远高于其内在价值。例如，一些投资者使用情感分析工具来识别市场情绪的变化，以辅助他们的交易决策。政策和法规： 政府和监管机构也受到市场情绪的影响。情绪可能会推动政策和法规的变化，影响金融市场的运作和稳定性。金融市场情绪的重要性。
2024-06-23 18:19:52
148
原创 2024山东大学软件学院项目实训开发日志-第七周（7）
情绪分析，也称为情感分析，是一种自然语言处理（NLP）技术，旨在识别和理解文本或语音中包含的情感、情绪和情感倾向。情绪分析的目标是确定文本或语音中的情感是积极、消极还是中性，并可以进一步细化为更多的情感类别。情感分析的应用场景广泛，可以帮助组织更好地理解他们的用户或客户的情感和情感反馈，以做出更明智的决策和改进产品和服务。情绪分析，也被称为情感分析，是一种自然语言处理（NLP）技术，用于识别、理解和评估文本或语音中表达的情感、情绪和情感倾向。同样的词汇在不同的上下文中可能具有不同的情感含义。
2024-06-23 18:19:01
186
原创 2024山东大学软件学院项目实训开发日志（6）-语音输出
集成Gradio：Gradio作为用户界面框架，用于构建和部署用户友好的交互界面，方便用户进行金融相关的自然语言交互。本周主要任务是在现有对话系统中实现语音回复功能，并将其集成到Gradio界面中，以提供更直观和多样化的用户交互体验。确定使用的技术和工具：选择了Python中的`pyttsx3`库作为语音合成引擎，因其简单易用且支持多种语言。实现语音合成功能：使用`pyttsx3`库对金融对话系统生成的文本进行语音合成，生成自然流畅的语音回复。调整Gradio界面的布局和样式，确保用户友好性和一致性。
2024-06-21 23:18:08
179
原创 2024山东大学软件学院项目实训开发日志（5）-语音输入
成功地完成了音频文件的语音识别和文本转换工作，实现了从音频到简体中文文本的自动处理。这些功能的实现不仅提高了工作效率，还为后续的文本分析和处理提供了可靠的基础。在本周工作中，目标是利用开源工具和模型完成对音频文件的语音识别，并将识别结果进行繁简体转换，以提升中文文本处理的效率和准确性。
2024-06-20 22:35:41
129
原创 2024山东大学软件学院项目实训开发日志（4）-封装
RLHF使得LLM模型能够学习个人偏好（如风险厌恶水平、投资习惯、个性化的Robo-advisor等），这是ChatGPT和GPT4的"秘密"成分。它的目标是为金融大型语言模型（FinLLMs）提供互联网规模的数据，以此推动金融领域的开源发展。FinGPT强调的是轻量级的适应性，利用现有的开源LLM，然后用金融数据进行微调，以进行金融语言建模。金融领域的动态性极高。重新训练一个大型语言模型（LLM）需要大量的时间和金钱，而FinGPT可以快速地进行微调以适应新的数据，大大降低了训练成本。
2024-05-29 23:00:24
218
原创 2024山东大学软件学院项目实训开发日志-第三周（3）
微调的目的是使大模型适应特定任务和数据分布，以提高模型的表现。由于预训练的大模型已经经过大量的数据的训练，具备一定的通用性，因此通过微调，我们可以利用现有的模型能力来解决具体的任务。3.transfer learning：将在一个任务上训练好的模型作为起点，通过改变模型的结构或参数，再用另一个任务的数据进行微调。选择合适的预训练模型：不同的预训练模型具有不同的特点和适用范围，需根据任务选择合适的模型。选择合适的微调方法：不同的任务和数据集需要采用不同的微调方法，以达到最佳效果。
2024-04-26 12:13:06
594
原创 2024山东大学软件学院项目实训开发日志-第二周（2）
embedding模型研究嵌入（Embeddings）是机器学习领域中的一个概念，主要用于将高维的数据转化为低维空间，以便于算法更好地处理和理解数据。嵌入通常用于将离散的、高维的特征转换为连续的、低维的向量表示。本周学习item2vec。
2024-04-26 12:11:11
391
1
原创 2024山东大学软件学院项目实训开发日志-第一周（1）
对于一段文本，从第一个词开始以固定的窗口大小对文本进行切分，计算每个词出现的概率，每个词会拥有两个概率表示，一个为作为中心词出现的概率，另一个为作为上下文时出现的概率对应的，我们用两个词向量表示词表中的每个词，一个表示该词作为中心词时，另一个表示该词作为上下文时。以余弦相似度为例，假设我想要得到在向量数据库中与我的问题最接近的文本，首先我需要对我的问题做向量化，假设用word2vec向量化后的问题向量为β1 = [0.3, 0.7, 0.5]，最接近的文本向量为β2 = [0.4, 0.6, 0.9]
2024-04-26 11:53:40
629
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人