금융적 측면 및 감성 예측을 위한 딥 신경망: 앙상블 접근법

본 논문에서는 주어진 텍스트에 대해 금융 분야에서 감성 및 측면 예측을 위한 앙상블 접근법을 제시한다. 이 앙상블 방법은 감성 및 측면 예측에 대해 컨볼루션 신경망(Convolutional Neural Networks, CNNs)과 순환 신경망(Recurrent Neural Networks, RNNs)을 사용하며, 릿지 회귀(Ridge Regression)와 투표 전략(Voting Strategy)을 결합함으로써 수작업으로 설계한 특징(Handcrafted Features)에 의존하지 않는다. 공개된 학습 데이터셋에 대해 5겹 교차 검증(Cross Validation)을 수행한 결과, CNNs는 두 가지 작업 모두에서 RNNs보다 전반적으로 더 우수한 성능을 보였으며, 다양한 딥러닝 접근법을 융합함으로써 앙상블 방법이 성능을 추가로 향상시킬 수 있음을 확인하였다.