股票趋势预测在寻求从股票投资中获得最大利润方面发挥着关键作用。然而，由于股市的高度波动性和非平稳性，精确的趋势预测非常困难。互联网上的爆炸性信息以及自然语言处理和文本挖掘技术的不断进步，使投资者能够通过在线内容揭示市场趋势和波动。不幸的是，与股市相关的在线内容的质量、可信度和全面性差异很大，其中很大一部分是低质量的新闻、评论甚至谣言。为了解决这一挑战，我们模仿人类面对这种混乱的在线新闻时的学习过程，遵循三个原则：顺序内容依赖性、多样化影响和高效学习。本文中，为了捕捉前两个原则，我们设计了一种混合注意力网络（Hybrid Attention Networks），基于最近相关新闻的序列来预测股票趋势。此外，我们应用了自适应学习机制来模拟第三个原则。大量实验证明，在真实世界的股市数据上，我们的方法具有有效性。