arXiv cs.AI· Huan Phong Thai, Thu Anh Ngoc Le, Nhu Huynh Thi Le, Nhan Huu Tran, Lenh Cong Phan Pham, Hong Nhung Nguyen·· 4 小时前AI 评分18
用 RAG 增强股票市场信息检索
Enhancing Stock Market Information Retrieval with Retrieval-Augmented Generation
AI 导读
一项研究构建了面向股票市场信息的 RAG 系统,将检索与生成结合以提升金融文本生成的准确性和相关性。在 100 条股票市场相关查询的数据集上,系统取得较高 ROUGE-1、ROUGE-2 和 ROUGE-L 分数,平均响应时间为 1.16 秒。
正文 · AI 翻译
摘要:自然语言处理(NLP)已在金融领域得到广泛应用,能够实现股票市场信息的自动化分析与检索。然而,传统基于 NLP 的系统往往难以在动态金融环境中保持上下文准确性并生成相关回复。为应对这些挑战,检索增强生成(RAG)模型作为一种强大的解决方案应运而生,它将基于检索的方法与生成能力相结合,以提升回复质量。在本研究中,我们提出了一种检索增强生成(RAG)系统,旨在生成与股票市场信息相关的回复。该系统融合了基于检索与基于生成的方法,以提升金融文本生成的准确性和相关性。为评估其有效性,我们采用 ROUGE 指标,具体为 ROUGE-1、ROUGE-2 和 ROUGE-L,来衡量生成文本与参考文本之间的词汇和结构相似度。在包含 100 条股票市场相关查询的数据集上的实验结果表明,ROUGE 分数较高,说明与参考文档高度吻合。此外,我们评估了延迟以衡量系统响应能力,平均响应时间为 1.16 秒。这些发现证实,我们的 RAG 模型能够提供准确且及时的股票市场洞察,使其成为金融信息检索的一种有前景的方法。
| 评论: | 该稿件共 21 页,包含 4 幅图和 3 张表。它于 2025 年 10 月 30 日提交至《Expert Systems with Applications》期刊,未经外部同行评审即被拒稿 |
| 主题: | 信息检索(cs.IR);人工智能(cs.AI) |
| 引用为: | arXiv:2611.03747 [cs.IR] |
| (或 arXiv:2611.03747v2 [cs.IR] 查看此版本) | |
| https://doi.org/10.48550/arXiv.2611.03747 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Nhung Nguyen Hong [查看邮箱]
[v1]
2026 年 11 月 2 日星期一 05:49:37 UTC(385 KB)
[v2]
2026 年 11 月 17 日星期二 05:16:29 UTC(385 KB)
来源:arXiv cs.AI · arxiv.org