摘要
本发明提出了一种基于多模态数据融合的金融风险预测方法,属于人工智能风险预测技术领域,包括S1:对目标公司的财报电话会议进行音频特征向量的提取;S2:对目标公司的财报电话会议进行文本纪要特征向量的提取;S3:使用大语言模型对目标公司的财报电话会议的文本纪要进行总结,得到文本纪要的总结对应的嵌入向量;S4:对目标公司的新闻文本特征提取,得到新闻文本特征向量;S5:对目标公司在目标日期前一段时期内的时序交易数据进行特征提取,得到时序数据的特征向量;S6:获得联合表示向量;S7:将联合表示向量输入多任务学习框架中,进行风险指标预测。本发明预测精度显著提升、全面利用隐性信息,有很好的多任务学习预测能力。
技术关键词
多模态数据融合
文本特征向量
大语言模型
音频
训练语言模型
双向长短期记忆网络
注意力
联合损失函数
多任务
时序
风险预测技术
预测误差
线性变换矩阵
语义相关度
摘要
日期
指标
系统为您推荐了相关专利信息
虚拟化方法
交换机
虚拟MAC地址
策略执行引擎
前向纠错编码
电商运营系统
农村
答案
预训练语言模型
语义向量
可视化方式
多模态数据融合
可视化方法
因子
企业
语音交互方法
语音特征
短时傅里叶变换
唇动特征
语音交互系统
信息展示界面
信息打印方法
模版
问答模型
大语言模型