基于多模态深度学习的酒店股票预测

摘要：

[目的]基于多模态深度学习方法,通过分析旅游评论中消费者情绪,预测酒店股票的价格走势.[方法]构建多模态的深度学习模型,首先进行多模态信息的编码,通过LSTM和图神经网络提取文本与图片中的交互信息,最后进行酒店股票的预测.[结果]结合Yelp的旅游评论数据进行实证研究,并与相关基线模型作比较.实验结果表明,本文提出的多模态模型具有优越性,股票预测的平均准确率达到59.10％.[局限]仅在Yelp网站的4个酒店的数据集上进行模型测试,未在其他旅游平台上进一步验证.[结论]所提模型能够充分提取不同模态间的交互信息,有效提升酒店股票预测的准确性.

关键词：多模态数据、深度学习、旅游评论、消费者情绪、股票预测

所属期刊栏目：7

分类号：TP391;G350(计算技术、计算机技术)

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：21-32