Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2018 | OriginalPaper | Buchkapitel

A Deep Learning-Based Recommendation System to Enable End User Access to Financial Linked Knowledge

verfasst von : Luis Omar Colombo-Mendoza, José Antonio García-Díaz, Juan Miguel Gómez-Berbís, Rafael Valencia-García

Erschienen in: Hybrid Artificial Intelligent Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Motivated by the assumption that Semantic Web technologies, especially those underlying the Linked Data paradigm, are not sufficiently exploited in the field of financial information management towards the automatic discovery and synthesis of knowledge, an architecture for a knowledge base for the financial domain in the Linked Open Data (LOD) cloud is presented in this paper. Furthermore, from the assumption that recommendation systems can be used to make consumption of the huge amounts of financial data in the LOD cloud more efficient and effective, we propose a deep learning-based hybrid recommendation system to enable end user access to the knowledge base. We implemented a prototype of a knowledge base for financial news as a proof of concept. Results from an Information Systems-oriented validation confirm our assumptions.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel On the Use of Random Discretization and Dimensionality Reduction in Ensembles for Big Data
Literatur
1.
2.
Zhang, S., Yao, L., Sun, A.: Deep Learning based Recommender System: A Survey and New Perspectives (2017). ArXiv170707435 Cs
3.
Gruber, T.R.: A translation approach to portable ontology specifications. Knowl. Acquis. 5, 199–220 (1993)CrossRef
4.
5.
Ashraf, J., Hussain, O.K.: Integrating financial data using semantic web for improved visibility. In: 2012 Eighth International Conference on Semantics, Knowledge and Grids, pp. 265–268 (2012)
6.
Wong, W., Liu, W., Bennamoun, M.: Ontology learning from text: a look back and into the future. ACM Comput. Surv. 44, 20:1–20:36 (2012)CrossRef
7.
Petasis, G., Karkaletsis, V., Paliouras, G., Krithara, A., Zavitsanos, E.: Ontology population and enrichment: state of the art. In: Paliouras, G., Spyropoulos, C.D., Tsatsaronis, G. (eds.) Knowledge-Driven Multimedia Information Extraction and Ontology Evolution. LNCS (LNAI), vol. 6050, pp. 134–166. Springer, Heidelberg (2011). https://​doi.​org/​10.​1007/​978-3-642-20795-2_​6CrossRef
8.
Liu, K., Hogan, W.R., Crowley, R.S.: Natural language processing methods and systems for biomedical ontology learning. J. Biomed. Inform. 44, 163–179 (2011)CrossRef
9.
Sugibuchi, T., Tanaka, Y.: Interactive web-wrapper construction for extracting relational information from web documents. In: Special Interest Tracks and Posters of the 14th International Conference on World Wide Web, pp. 968–969. ACM, New York (2005)
10.
Park, S.-B., Kim, S.-S., Oh, S., Zeong, Z., Lee, H., Park, S.R.: Target concept selection by property overlap in ontology population. Int. J. Comput. Electr. Autom. Control Inf. Eng. 2, 50–54 (2008)
11.
Kaufmann, E., Bernstein, A.: Evaluating the usability of natural language query languages and interfaces to semantic web knowledge bases. Web Semant. Sci. Serv. Agents World Wide Web 8, 377–393 (2010)CrossRef
12.
Goldberg, D., Nichols, D., Oki, B.M., Terry, D.: Using collaborative filtering to weave an information Tapestry. Commun. ACM 35, 61–70 (1992)CrossRef
13.
Cheng, H.-T., Koc, L., Harmsen, J., Shaked, T., Chandra, T., Aradhye, H., Anderson, G., Corrado, G., Chai, W., Ispir, M., Anil, R., Haque, Z., Hong, L., Jain, V., Liu, X., Shah, H.: Wide & deep learning for recommender systems. In: Proceedings of the 1st Workshop on Deep Learning for Recommender Systems, pp. 7–10. ACM, New York (2016)
14.
Covington, P., Adams, J., Sargin, E.: Deep neural networks for YouTube recommendations. In: Proceedings of the 10th ACM Conference on Recommender Systems, pp. 191–198. ACM, New York (2016)
15.
Okura, S., Tagami, Y., Ono, S., Tajima, A.: Embedding-based news recommendation for millions of users. In: Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1933–1942. ACM, New York (2017)
16.
17.
Palumbo, E., Rizzo, G., Troncy, R.: Entity2Rec: learning user-item relatedness from knowledge graphs for Top-N item recommendation. In: Proceedings of the Eleventh ACM Conference on Recommender Systems, pp. 32–36. ACM, New York (2017)
18.
Perozzi, B., Al-Rfou, R., Skiena, S.: DeepWalk: online learning of social representations. In: Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 701–710. ACM, New York (2014)
19.
Zhang, F., Yuan, N.J., Lian, D., Xie, X., Ma, W.-Y.: Collaborative knowledge base embedding for recommender systems. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 353–362. ACM, New York (2016)
20.
Lupiani-Ruiz, E., García-Manotas, I., Valencia-García, R., García-Sánchez, F., Castellanos-Nieves, D., Fernández-Breis, J.T., Camón-Herrero, J.B.: Financial news semantic search engine. Expert Syst. Appl. 38, 15565–15572 (2011)CrossRef
21.
García-Manotas, I., Lupiani, E., García-Sánchez, F., Valencia-García, R.: Populating knowledge based decision support systems. Int. J. Decis. Support Syst. Technol. 2, 1–20 (2010)CrossRef
22.
Rodríguez-García, M.Á., Valencia-García, R., García-Sánchez, F., Samper-Zapater, J.J.: Ontology-based annotation and retrieval of services in the cloud. Knowl. Based Syst. 56, 15–25 (2014)CrossRef
23.
Grover, A., Leskovec, J.: Node2Vec: scalable feature learning for networks. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 855–864. ACM, New York (2016)
24.
Burges, C.J.C.: From RankNet to LambdaRank to LambdaMART: An Overview. Microsoft Research (2010)
Metadaten
Titel
A Deep Learning-Based Recommendation System to Enable End User Access to Financial Linked Knowledge
verfasst von
Luis Omar Colombo-Mendoza
José Antonio García-Díaz
Juan Miguel Gómez-Berbís
Rafael Valencia-García
Copyright-Jahr
2018
Buch
Hybrid Artificial Intelligent Systems

Print ISBN: 978-3-319-92638-4

Electronic ISBN: 978-3-319-92639-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-92639-1_1

Premium Partner

    Bildnachweise