公开(公告)号：CN120047244A

公开(公告)日：2025-05-27

申请号：CN202510127849.3

申请日：2025-02-05

Applicant: 同济大学

Inventor： 王成 ,  王楚文 ,  曾诗容 ,  蒋昌俊

IPC: G06Q40/04 ,  G06N5/04 ,  G06N3/006 ,  G06F18/241 ,  G06N3/0455

Abstract: 本发明属于交易行为生成技术领域，提出了一种基于模型级联技术的交易行为生成方法，其特征在于，包括以下步骤：S101，构造经过打标后的数据集；S102，将数据集按照k折交叉验证的方式划分为k组训练集和验证集，并在数据集上训练一个基于自编码器的量化的交易行为生成模型；S103，基于大语言模型创建智能体，通过多轮对话的提示词工程实现智能体对交易场景的感知与交易行为倾向生成；S104，根据S103中所述交易行为倾向，将其从文本形式转化为格式化数据，作为S102中所述的交易行为生成模型的输入，经过模型生成后得到最终生成的量化的交易行为数据。本发明通过二阶段模型级联的生成方式实现了交易行为分布的动态性，具有更高的准确性和鲁棒性。

公开(公告)号：CN119761480A

公开(公告)日：2025-04-04

申请号：CN202411853732.5

申请日：2024-12-16

Applicant: 同济大学

Inventor： 王成 ,  王楚文 ,  曾诗容 ,  蒋昌俊

IPC: G06N5/022 ,  G06N5/04 ,  G06F16/3329 ,  G06F40/289 ,  G06Q40/04 ,  G06Q40/03

Abstract: 本发明属于金融信息分析技术领域，尤其涉及一种通过多个语言模型的知识容量平衡实现更准确的金融情报分析的方法。包括以下步骤：步骤S101，收集金融数据，选择用于学习金融知识的语言模型；训练所述的语言模型，得到一个具有金融知识的语言模型；步骤S102，基于大语言模型创建智能体，对金融情报的基于常识的分析和基于有限金融知识的分析；步骤S103，将S102分析作为输入，输入至S101中所述的具有金融知识的语言模型；对所述分析做出评价和建议，并将其格式化输出；步骤S104，S102中所述智能体基于S103中所述评价和建议，对所述分析进行修改。通过提示词工程和语言模型之间的通信，提高了智能体在进行金融情报分析时与智能体所代表的人类主体的一致性。