群益金鼎證券股份有限公司   金融科技類   編輯

MinText AR+ 智慧產業光譜儀

 

產品介紹

基於產品創新源起所提及的目前一般投資人未被滿足的剛性需求,我們發明一種以語意暨情感分析為基礎的金融知識語意架構,依循事件暨標的大廠商品、標的大廠元件、主產業、細產業、公司_股票代號、媒體投資見解等環節層層敘事,有效分析各篇文章於架構中的各單元語意分屬,進一步對於特定事件、主題的眾多媒體報導加以彙整、歸納,從而得出勾勒該事件、主題前後因果、影響所及層面全貌的智能摘要。透過創新的機器學習演算法計算文章之效度權重、信度權重以及情感權重,更使得本系統能隨時間的推移、資料的累積而不斷地學習完善,充分展現智能。
 


 

一、「智慧產業文字探勘模組」
 

我們依循上述架構對於特定事件、主題跨文章生成一多維多導向圖,該圖是我們發明的金融知識語意架構以及智能摘要的圖形化體現,幫助投資人快速、一目了然地釐清、了解事件全貌,確定投資標的,掌握操作方向。此外投資人可任意點選任一環節,系統將自動導向以該環節為核心,生成相應多維多導向圖。投資人亦可於環節列表中勾選、剔除一或多個環節,或是對各環節進行排序,讓系統按其個人喜好、需求顯示不同邏輯導向的視覺化圖形呈現。
 

同時我們提供相關媒體文本列表,按該篇文章論述個股未來走勢之觀點,依據正向、持平、反向予以分別列示,投資人可在多維多導向圖中之媒體投資見解一環點選任一公司,即可在新聞頁面瀏覽該公司相關新聞,且根據我們的效度權重、信度權重與情感權重,我們會予以加權獲致一整體權重來做為新聞排序的依據。
 

另外,我們亦提供超光速下單頁面連結方便投資人可以直接快速下單,投資人可在多維多導向圖中之公司_股票代號一環點選任一公司,超光速下單頁面將直接帶入該公司股票代號以及買賣選項,讓投資人可方便並快速針對事件所衍生的議題,進行相應資產配置。
 

針對客戶庫存持股甚或過往進出標的個股,亦有與之相連動的多維多導向圖資訊提供,可採取包含App推播、發現中心在內等多種方式進行主動、被動告知。
 

二、「天際線Skyline Query自然語言資訊檢索模組」
 

由於我們App一貫設計的初衷即是讓使用者以最自然、直覺的自然語言問答方式進行查詢、下達各項功能指令,我們發現在傳統的搜尋引擎實用情境下,使用者必須學習如何將一句自然語言問句濃縮為數個關鍵字詞,然而,在這般篩選的過程中卻容易忽略形容詞,但當使用者試圖以自然語言的方式發問且對被探詢項目的理解模糊且不甚清晰時,形容詞便是相當重要且須被分解作多個維度以嘗試理解。
 

現今搜尋引擎其背後基於各自發展的演算法,並伴隨有限的考量因子以及直接且主觀定義各因子的權重,就好像因子間相關性的影響可以被忽略似的。對於這般困境,天際線是一個良好的解決方法。由於天際線並非基於傳統加權函式邏輯,因此無需賦予各因子或維度任何權重及考量加權方式,故能維持客觀。但是傳統的天際線演算法無法直接適用於資料串流的環境,還會導致資訊遺失(information loss)的問題,當資料被新增或刪除時更無法即時更新結果。
 

故此我們改良了在資料串流下尋找完整天際線的方法以滿足串流環境下所面臨的嚴苛限制,同時改善上述現今搜尋引擎不足的地方,進而延伸至近年來資訊檢索領域上最重大的研究課題之一:如何就使用者輸入的字詞精準地了解使用者真正的意圖並發掘使用者真正的偏好。這也表示使用者進行查詢時面臨兩種可能的困境:一是使用者很清楚要尋找什麼資料,但輸入的關鍵字不甚精確;二是使用者對其心中所想、預期蒐尋的偏好不甚清值晰、明確,因此所下的關鍵字自然無從準確起。
 

對於上述兩種使用者困境,我們提出多層完整天際線此一概念,透過一個天際線點可能取代多個非天際線點的特性以及層內差距極可能遠大於層間差距的現象,設計、引導使用者分層逐步挑選、趨近最適解答,同時兼顧適應使用者在查詢過程中其偏好發生模糊、飄移的可能性之創新自然語言搜尋演算法。
 

三、「擴增實境模組」
 

延續去年競賽創新獎產品GOODi智慧理財機器人的一貫市場創新性,除了上述智慧產業分析與創新自然語言搜尋功能模組,我們更與擴增實境互動技術相結合,我們的App包含一個智慧型終端AR閱讀器,無論報章雜誌紙本、mobile端或是web端上顯示的新聞文本,都是我們App AR識別的標的。只要對著這些AR識別標的進行掃描,一旦透過OCR技術識別、偵測到關鍵字詞如:上市上櫃台廠名、股票代號亦或大廠商品名稱,就會啟動我們的智慧產業分析模組,呈現出相對應的3D立體多維多導向球(產業球),幫助投資人快速了解產業全貌,掌握關鍵的投資脈動。同時配合不同的操作手勢,使用者將可以隨心所欲地客製化其個人專屬的產業球。
 

由於AR成功的關鍵在於如何將擴增物件與實際環境相結合,AR演算法必須要從輸入設備中獲取的影像取得真實世界的座標,再將產生的擴增物件疊合到對應座標上。我們的產業球與連結的超光速下單頁面也能準確地疊合到實境座標:依乘載媒介的不同出現在新聞文本關鍵字詞的上方或前方。
 

四、「巨量串流資料分析平台」
 

此外,處於如此增長迅速且無結構可言的大量媒體文本不斷湧入的資料串流環境,我們採行建置自有巨量資料分析平台以因應,透過網站擷取相關技術收集大量且即時的新聞資料後,將資料(文字型態居多)依據我們發明的金融知識語意架構所對應的演算法規則做運算、萃取,再儲存進NoSQL中以文件為導向的mongoDB裡,續以我們創新的自然語言搜尋演算法進行運算、處理,構建整個搜尋引擎的底層架構。運算環境的部分我們導入了Hadoop with Spark平行記憶體運算架構以快速執行,同時採用混合雲的方式連接大廠雲端以及我們公司的CRM RDB/EDW,如此既能使用大廠的運算算力也維持了客戶的資料私密性。
 


 


 

下圖以iPhone 8 供應鏈為例,在一段期間內,透過對媒體非結構化文本的大量收集與分析,依循事件暨標的大廠商品、標的大廠元件、主產業、細產業、公司_股票代號、媒體投資見解等環節層層敘事,描繪出iPhone 8 供應鏈之於台灣代工廠之全貌,實為業界首創,箇中所開發、採用之語意、情感分析結構與相應演算法亦是創新亮點。
 


 

下圖以iPhone 8 供應鏈為例,透過語意分析與情感分析,由iPhone 8 供應鏈影響所及的台廠出發,第二環為各公司所承攬生產之iPhone 8 相應元件,第三環為媒體針對該公司代工該元件未來正向、持平、反向之媒體投資見解,如此協助投資人快速了解iPhone 8影響所及之標的台廠與該廠代工的元件,決定操作之方向。
 


 

下圖以iPhone 8 供應鏈為例,透過語意分析與情感分析,我們可以特定台廠為核心,如台積電_2330,由台積電所承攬生產之iPhone 8 元件—A11處理器出發,第二環為媒體針對台積電代工A11處理器未來正向、持平、反向之媒體投資見解,第三環為A11處理器對應之細產業,如此協助投資人快速了解台積電與該公司代工的元件,決定操作之方向。
 


 


 

產品圖片

產品影片

一、「智慧產業文字探勘模組」
 

我們依循上述架構對於特定事件、主題跨文章生成一多維多導向圖,該圖是我們發明的金融知識語意架構以及智能摘要的圖形化體現,幫助投資人快速、一目了然地釐清、了解事件全貌,確定投資標的,掌握操作方向。此外投資人可任意點選任一環節,系統將自動導向以該環節為核心,生成相應多維多導向圖。投資人亦可於環節列表中勾選、剔除一或多個環節,或是對各環節進行排序,讓系統按其個人喜好、需求顯示不同邏輯導向的視覺化圖形呈現。
 

同時我們提供相關媒體文本列表,按該篇文章論述個股未來走勢之觀點,依據正向、持平、反向予以分別列示,投資人可在多維多導向圖中之媒體投資見解一環點選任一公司,即可在新聞頁面瀏覽該公司相關新聞,且根據我們的效度權重、信度權重與情感權重,我們會予以加權獲致一整體權重來做為新聞排序的依據。
 

另外,我們亦提供超光速下單頁面連結方便投資人可以直接快速下單,投資人可在多維多導向圖中之公司_股票代號一環點選任一公司,超光速下單頁面將直接帶入該公司股票代號以及買賣選項,讓投資人可方便並快速針對事件所衍生的議題,進行相應資產配置。
 

針對客戶庫存持股甚或過往進出標的個股,亦有與之相連動的多維多導向圖資訊提供,可採取包含App推播、發現中心在內等多種方式進行主動、被動告知。
 

二、「天際線Skyline Query自然語言資訊檢索模組」
 

由於我們App一貫設計的初衷即是讓使用者以最自然、直覺的自然語言問答方式進行查詢、下達各項功能指令,我們發現在傳統的搜尋引擎實用情境下,使用者必須學習如何將一句自然語言問句濃縮為數個關鍵字詞,然而,在這般篩選的過程中卻容易忽略形容詞,但當使用者試圖以自然語言的方式發問且對被探詢項目的理解模糊且不甚清晰時,形容詞便是相當重要且須被分解作多個維度以嘗試理解。
 

現今搜尋引擎其背後基於各自發展的演算法,並伴隨有限的考量因子以及直接且主觀定義各因子的權重,就好像因子間相關性的影響可以被忽略似的。對於這般困境,天際線是一個良好的解決方法。由於天際線並非基於傳統加權函式邏輯,因此無需賦予各因子或維度任何權重及考量加權方式,故能維持客觀。但是傳統的天際線演算法無法直接適用於資料串流的環境,還會導致資訊遺失(information loss)的問題,當資料被新增或刪除時更無法即時更新結果。
 

故此我們改良了在資料串流下尋找完整天際線的方法以滿足串流環境下所面臨的嚴苛限制,同時改善上述現今搜尋引擎不足的地方,進而延伸至近年來資訊檢索領域上最重大的研究課題之一:如何就使用者輸入的字詞精準地了解使用者真正的意圖並發掘使用者真正的偏好。這也表示使用者進行查詢時面臨兩種可能的困境:一是使用者很清楚要尋找什麼資料,但輸入的關鍵字不甚精確;二是使用者對其心中所想、預期蒐尋的偏好不甚清值晰、明確,因此所下的關鍵字自然無從準確起。
 

對於上述兩種使用者困境,我們提出多層完整天際線此一概念,透過一個天際線點可能取代多個非天際線點的特性以及層內差距極可能遠大於層間差距的現象,設計、引導使用者分層逐步挑選、趨近最適解答,同時兼顧適應使用者在查詢過程中其偏好發生模糊、飄移的可能性之創新自然語言搜尋演算法。
 

三、「擴增實境模組」
 

延續去年競賽創新獎產品GOODi智慧理財機器人的一貫市場創新性,除了上述智慧產業分析與創新自然語言搜尋功能模組,我們更與擴增實境互動技術相結合,我們的App包含一個智慧型終端AR閱讀器,無論報章雜誌紙本、mobile端或是web端上顯示的新聞文本,都是我們App AR識別的標的。只要對著這些AR識別標的進行掃描,一旦透過OCR技術識別、偵測到關鍵字詞如:上市上櫃台廠名、股票代號亦或大廠商品名稱,就會啟動我們的智慧產業分析模組,呈現出相對應的3D立體多維多導向球(產業球),幫助投資人快速了解產業全貌,掌握關鍵的投資脈動。同時配合不同的操作手勢,使用者將可以隨心所欲地客製化其個人專屬的產業球。
 

由於AR成功的關鍵在於如何將擴增物件與實際環境相結合,AR演算法必須要從輸入設備中獲取的影像取得真實世界的座標,再將產生的擴增物件疊合到對應座標上。我們的產業球與連結的超光速下單頁面也能準確地疊合到實境座標:依乘載媒介的不同出現在新聞文本關鍵字詞的上方或前方。
 

四、「巨量串流資料分析平台」
 

此外,處於如此增長迅速且無結構可言的大量媒體文本不斷湧入的資料串流環境,我們採行建置自有巨量資料分析平台以因應,透過網站擷取相關技術收集大量且即時的新聞資料後,將資料(文字型態居多)依據我們發明的金融知識語意架構所對應的演算法規則做運算、萃取,再儲存進NoSQL中以文件為導向的mongoDB裡,續以我們創新的自然語言搜尋演算法進行運算、處理,構建整個搜尋引擎的底層架構。運算環境的部分我們導入了Hadoop with Spark平行記憶體運算架構以快速執行,同時採用混合雲的方式連接大廠雲端以及我們公司的CRM RDB/EDW,如此既能使用大廠的運算算力也維持了客戶的資料私密性。
 


 


 

一、「產業全故事」
 

下圖以iPhone 8 供應鏈為例,在一段期間內,透過對媒體非結構化文本的大量收集與分析,依循事件暨標的大廠商品、標的大廠元件、主產業、細產業、公司_股票代號、媒體投資見解等環節層層敘事,描繪出iPhone 8 供應鏈之於台灣代工廠之全貌,實為業界首創,箇中所開發、採用之語意、情感分析結構與相應演算法亦是創新亮點。
 


 

二、「台廠+元件+媒體投資見解」
 

下圖以iPhone 8 供應鏈為例,透過語意分析與情感分析,由iPhone 8 供應鏈影響所及的台廠出發,第二環為各公司所承攬生產之iPhone 8 相應元件,第三環為媒體針對該公司代工該元件未來正向、持平、反向之媒體投資見解,如此協助投資人快速了解iPhone 8影響所及之標的台廠與該廠代工的元件,決定操作之方向。
 


 

三、「台積電:元件+媒體投資見解+細產業」
 

下圖以iPhone 8 供應鏈為例,透過語意分析與情感分析,我們可以特定台廠為核心,如台積電_2330,由台積電所承攬生產之iPhone 8 元件—A11處理器出發,第二環為媒體針對台積電代工A11處理器未來正向、持平、反向之媒體投資見解,第三環為A11處理器對應之細產業,如此協助投資人快速了解台積電與該公司代工的元件,決定操作之方向。
 


 


 

 

在現今資訊爆炸的年代,每人每天所接觸之媒體文本數量眾多,想要從中找尋關鍵議題乃至其所衍生之投資標的及切入點時,往往於釐清議題上耗時甚多,以至於延宕、錯失投資良機,甚至蒙受重大損失。
 

透過蒐集大量媒體文本,使用先進非結構化文本處理技術,排除雜訊與離群值,依循事件暨標的大廠商品、標的大廠元件、主產業、細產業、公司_股票代號、媒體投資見解等環節層層敘事,幫助投資人快速釐清議題、有效了解事件全貌、掌握投資脈絡與操作方向,進行相應資產配置。
 

MinText表達以文字探勘Text Mining技術,發掘使用者內心深處最想知道的產業資訊;
AR+表達以擴增實境AR技術,以最貼近使用者需求、簡易的方式與之互動。
 

標題:
詢問內容:
E-mail:
確認代碼: 驗證圖碼 換一張圖