Resumen

Este documento mejora un método que predice si objetos de evaluación como empresas y productos serán atractivos en un futuro próximo. La atracción se evalúa mediante reglas de tendencia. Las reglas de tendencia representan relaciones entre objetos de evaluación, palabras clave y cambios numéricos relacionados con los objetos de evaluación. Se adquieren de forma inductiva a partir de datos secuenciales de texto y datos secuenciales numéricos. El método asigna objetos de evaluación a los datos secuenciales de texto activando un diccionario de temas. El diccionario describe palabras clave que representan el cambio numérico. Puede expandir la cantidad de datos de entrenamiento. Se espera que la expansión conduzca a la adquisición de reglas de tendencia más válidas. Este documento aplica el método a una tarea que predice marcas de acciones atractivas basadas tanto en titulares de noticias como en secuencias de precios de acciones. Muestra que el método puede mejorar el rendimiento de detección de objetos de evaluación a través de experimentos numéricos.

• Materias:Diagnóstico de fallas Automatización de programas Programador de colas Modelo de descomposición Agentes de fusión
• Subjects:Fault diagnosis Program automation Queue scheduler Decomposition model Fusion Agents
• Palabras claves:Método; Palabras clave; Reglas de tendencia; Objetos de evaluación; Cambios numéricos; Datos secuenciales de texto
• Keywords:Method; Keywords; Trend rules; Evaluation objects; Numerical changes; Text sequential data