基于本體的股票主題事件案例推理系統研究

何巖新，倪麗萍，曹 琳，馬馳宇

(1.合肥工業大學 管理學院，安徽 合肥 230009；2.過程優化與智能決策教育部重點實驗室，安徽 合肥 230009)

基于本體的股票主題事件案例推理系統研究

何巖新1，2，倪麗萍1，2，曹 琳1，2，馬馳宇1，2

(1.合肥工業大學 管理學院，安徽 合肥 230009；2.過程優化與智能決策教育部重點實驗室，安徽 合肥 230009)

股票市場中一些事件容易影響股票的價格及收益。為輔助投資者積累經驗性知識及快速做出決策，文中在收集主題事件的基本信息及市場波動數據的基礎上，結合本體理論和案例推理方法，通過對事件案例的本體結構定義以及對金融事件類型本體的構建，開發了股票市場主題事件案例的推理系統原型。該系統用OWL-DL語言描述本體，采用Protégé4.2構建本體庫；通過分析主題事件的特征屬性，用相似性度量方法檢索相似案例，進而對目標事件做出詳細分析。通過特定事件對股票市場的走勢分析，驗證了用相似案例進行市場短期預測具有可行性，同時引入本體后在推理系統的查全率上有了明顯的提高，從而說明該方法是合理的、有效的。

主題事件；本體；案例推理；案例庫；股票市場

1 概 述

主題事件是指在股票市場中經常發生的可能影響市場波動的特定類別事件，如，銀行調息、公司公布重大事件、舉行世界性盛會等。在類似的市場環境下，發生類似的主題事件往往會對市場產生類似的效應。因此，對股票市場，構建主題事件案例庫顯得非常必要。通過記錄已經發生的主題事件詳細內容，包括事件的描述、事件前的市場情況及事件導致的股票市場波動情況，將有利于投資者積累經驗，提高投資決策能力。

案例推理(Case-Based Reasoning，CBR)是將過去求解問題的經驗定義為案例并使用案例來求解新的類似的問題[1]，而對于事件案例推理系統來說，就是將事件表示成案例。通過對相似事件案例的檢索，為新事件的發生結果提供輔助決策。然而，傳統的CBR系統大多是用靜態框架來描述案例，存在難以擴展、可重構和學習性差，且對理論知識和領域資源缺乏良好的支持，不能有效利用語義關系等缺點[2]。本體(ontology)明確了領域內共同認可的概念術語，利用領域知識的語義模型表達了概念含義，并在內部層次中規定了這些概念之間的關系。它描述了概念及概念之間關系的模型，具有較強的知識表達能力和支持較強的推理能力。把本體與CBR相結合，可以把案例所表達的知識與用本體表示的一般領域知識模型進行整合，這樣基于本體的案例推理過程可以充分利用領域知識來獲取更精確和全面的結果[3]。

在過去的研究中，有不少學者提出將本體和案例推理相結合以提高決策能力。文獻[4]將本體與CBR相結合開發了電子政務項目審批決策支持系統，與傳統基于關鍵字的項目案例檢索相比，引入本體技術后，其案例檢索的查準率和查全率明顯提高。文獻[5]針對CBR系統缺乏語義理解的問題，提出將本體與CBR相結合，通過在注塑模具設計案例系統中的應用，說明該方法優于現有的CBR系統。文獻[6]針對傳統CBR存在的案例庫難以擴展、表述詞表不統一等異構問題，將本體技術引入CBR，研究了基于本體CBR的旅游產品案例表示方法和案例檢索策略。文獻[7]構建基于本體的高速交通突發事件案例的本體模型，提供了對突發事件的發展過程與應急處置全過程知識的語義一致性描述，屏蔽了不同交通信息管理系統之間的異構性。文獻[8]通過構建基于本體的應急響應決策支持系統，把本體與CBR相結合，應用到信息安全領域，從而共享成功的經驗知識。文獻[9]將基于本體的范例推理技術應用到常見問題回答服務領域，取得了不錯的效果。文獻[10]針對傳統的基于句法的相似性度量方法存在匹配度不高的現象，提出采用本體理論和基于特征的相似性度量方法來確定兩個問題的相似性，并用基于案例的推理實現產品信息的檢索和再利用。

事件對股票市場的影響是毋庸置疑的，過去的研究主要通過事件研究法[11-13]實證分析某個事件的影響作用，缺乏系統性和全面性。因此文中將本體與CBR相結合，通過建立基于本體的股票市場主題事件案例模型及案例推理系統，利用本體和案例推理技術的優勢對股票市場上發生的事件影響結果進行預測。相關實例說明該系統能夠檢索出相似的事件案例，對投資者規避風險具有一定的現實參考價值。

2 基于本體的案例推理系統

2.1 系統總體架構

基于本體的股票市場主題事件案例推理系統基于B/S架構，整個系統分為三層：應用層、業務邏輯層和數據存儲層。其中應用層主要包括案例管理模塊、案例學習模塊、市場波動趨勢預測模塊和金融事件類型本體管理模塊等。業務層用Protégé對本體進行定義，通過支持基于RDFS和OWL等語義推理的Jena2工具包來實現本體模型的解析和推理[4,6]。數據存儲層以MySQL為主要的數據庫管理系統，實現案例知識的存儲。其體系架構圖如圖1所示。

圖1 基于本體的案例推理系統體系結構圖

2.2 系統主要功能模塊介紹

(1)案例管理模塊：該模塊根據案例的表示結構，建立和維護事件案例，包括案例的添加、刪除、修改等操作。

(2)市場波動趨勢預測模塊：該模塊通過檢索案例庫，尋找與待查詢事件相似的事件案例，根據檢索得到的事件案例對市場短期波動趨勢做出預測。

(3)案例學習模塊：該模塊通過對案例的學習和修正形成新的案例，豐富案例庫。

(4)金融事件類型本體管理模塊：該模塊是高級用戶操作的，即為領域知識維護模塊。負責股票市場事件類型本體知識的管理。

(5)系統管理模塊：該模塊主要負責系統用戶的管理以及系統設置。該系統根據權限，把用戶劃分為三類：普通用戶可以進行市場波動趨勢預測；高級用戶是針對股票市場領域專家而設置的，其負責案例庫的管理和維護以及金融事件類型本體管理；系統管理員負責管理用戶的權限。

2.3 系統推理流程

股票市場主題事件案例推理系統的基本流程如下：

Step1：根據用戶所提交的事件信息，包括事件時間、事件摘要、事件發生前市場波動情況、事件類型以及趨勢等，在主題事件案例庫中尋找相似案例；

Step2：若沒有找到相似案例，則存入最新事件案例，更新案例庫；如果存在相似案例，則根據事件的相似度的計算結果排序，按照案例的相似度大小排序展現給用戶，并列出相似事件案例的詳細信息；

Step3：用戶通過分析案例信息，對市場做出預測反應。

3 基于本體的主題事件案例表示與檢索策略

3.1 基于本體的案例表示

(1)主題事件特征屬性選擇。

通過對股票市場主題事件的分析，發現主題事件的描述一般是基于文本的非結構化形式。因此需要收集這些事件知識，并抽取出事件屬性來規范化事件案例，這樣更有利于案例庫的存儲、維護以及推理功能的實現。

對于一個事件，一般應包含兩類信息：事件的描述和事件的影響。此外不同的市場環境下事件的影響作用可能不同。因此，針對股票市場主題事件，文中將其抽象為一個三元組表，分別為事件描述、事件前市場描述和事件影響結果，即：Event_Case：{Event_Description，Market_Description，Event_Results}。

事件描述表示事件的基本信息，可以描述為Event_Description：{Event_ID，Event_Time，Event_Abstract，Event_Type，Event_Trend}。其中，Event_ID表示“事件編號”，Event_Time表示“事件發生時間”，Event_Abstract表示“事件摘要”，Event_Type表示“事件類型”，Event_Trend表示“趨勢”。對于事件發生時間，文中將事件公布日當做事件發生時間。

事件前市場描述表示為Market_Description：{updown_five，updown_ten}。其中，updown_five表示“事件前五天平均漲跌”，updown_ten表示“事件前十天平均漲跌”。在股票市場中，股票漲跌反應了股價波動情況。通過計算事件發生前一段時間股票的漲跌值，能夠了解當前市場的波動情況。

事件影響結果表示為Event_Results：{Ten_Day_Market}。其中，Ten_Day_Market表示“十天股指表現”。文中選取事件公布后十天股指表現作為事件對股市短期影響的描述。

(2)主題事件案例本體結構定義。

基于對主題事件屬性選擇后，通過分析發現，對于事件類型其涉及到的種類多，文中經過歸納整理將其分為貨幣政策事件、財政政策事件以及公共政策。在此基礎上，構建了主題事件類型本體，通過該本體給出了影響市場主要事件類型的基本術語以及相互間的關系，其結構如圖2所示。

圖2 事件類型概念樹

綜上，在主題事件案例推理系統中，案例本體結構如圖3所示。

該系統中所包含的兩類本體—主題事件案例本體和主題事件類型本體，兩者均屬于輕量級的應用本體，結構較簡單，易于表達和實現[4]。

3.2 基于本體的事件案例檢索策略

對于基于本體的案例推理系統，其檢索過程中相似度計算是很重要的環節，通過相似度的計算來衡量查詢案例和檢索到的案例之間的相似關系。

一般地，基于本體的案例推理系統,其案例間的相似度計算公式可以表示成公式(1)。

圖3 案例本體結構

(1)

其中，Sim(C1,C2)表示兩個案例的總體相似度；wi表示第i個屬性的權重；Sim(Xi,Yi)表示第i個屬性的相似度即案例局部相似度。

具體地，主題事件案例相似度計算可以分解為兩個步驟：先計算案例間的局部相似度，再計算案例間的總體相似度。該系統中，對于屬性分為四種類型：數值型、文本型、符號型和本體類中定義的本體類型屬性。對于不同類型屬性以下給出不同相似度計算公式。

3.2.1 數值型屬性相似度計算

文中的屬性“事件前五天平均漲跌”和“事件前十天平均漲跌”即為該類型。數值型屬性的局部相似度可表示為公式(2)。

(2)

其中，xi和yi分別表示案例X和案例Y的第i個屬性值，當|xi-yi|值越大時，其相似度值越小。

3.2.2 文本型屬性相似度計算

文中的屬性“事件摘要”即為文本型屬性。首先對該文本屬性值進行預處理，包括中文文本分詞、去除停用詞以及文本特征項選擇。并通過構造文本的特征向量，用向量間的夾角余弦值來衡量文本相似度。

假設兩個文本di和dj的特征向量分別為Vdi=(wi1,wi2,…,win)和Vdj=(wj1,wj2,…,wjn)。其相似度計算可表示為公式(3)。

(3)

其中，θ表示兩特征向量在空間中的夾角；Sim(di,dj)表示di和dj的相似度，Sim(di,dj)越大表示兩個文本之間的相似度越高。

3.2.3 符號型屬性相似度計算

符號型屬性值屬于一種簡單的枚舉值，其值列舉了該屬性所有可能的取值。文中屬性“趨勢”即為該類型，其值包含三個值：上調、下調和無。其相似度計算表示為公式(4)。

(4)

3.2.4 本體類型屬性相似度計算

對于本體類型屬性的，其值是本體中的某個概念或者實例，文中屬性“事件類型”即為該類型?？梢岳酶拍?或實例)的相似度來衡量相應屬性值的相似度，而概念(或實例)的相似度通過計算樹狀結構中的節點距離來計算。計算本體類型特征值的局部相似度，假設兩個實例i1和i2，根據文獻[14]，計算相似度可表示為公式(5)。

Sim(i1,i2)=

(5)

其中，Msc(i1,i2)表示兩個實例i1和i2的最近父節點；Depth(Msc(i1,i2))表示最近父節點在樹狀結構中的深度(父節點到根節點經過的節點數)；Dis(i1,i2)表示兩個實例的最短距離(實例i1和i2經過的最少節點數)。當Depth(Msc(i1,i2))或Dis(i1,i2)值越小時，兩個實例間的相似度也就越大。

根據圖2，利用公式(5)可以得到表1中一組實例間的相似度值。

表1 事件類型概念樹中實例相似度計算結果

4 系統實現與實例分析

基于本體的股票市場主題事件案例推理系統采用的開發語言是Java。編程開發環境是MyEclipse，數據庫采用的是MySQL，操作系統為Windows7。推理系統采用OWL-DL語言描述本體，采用Protégé4.2作為本體庫構建工具。

文中系統主要考察事件對A股短期走勢的影響，結合主題事件案例本體結構，構建了主題事件案例本體和相關實例。

圖4是在Protégé4.2下創建的金融主題事件案例本體及實例。

圖4 在Protégé4.2金融主題事件案例本體及實例

由于查詢案例發生后市場短期內表現為下跌，因此由檢索結果可知，相似度值高的案例走勢與查詢檢索案例發生后市場短期走勢具有一定的相似性，通過案例檢索進行市場短期預測具備可行性。同時，引入本體后能夠有效提高案例推理系統的查全率，能夠檢索出如“存貸款利率調整”等相關事件類型的案例，從而提供更全面的參考。表明該系統設計思想是合理的，實現方法是有效的。

5 結束語

基于本體的股票市場主題事件案例推理系統，充分利用本體的優勢來提高事件案例檢索的查全率和準確率。通過對事件案例的本體結構定義以及對金融事件類型本體的構建，開發了股票市場主題事件案例推理系統原型，通過具體事件案例進行了仿真測試，驗證了該系統在案例推理中的合理性。

圖5 案例檢索結果界面截圖

下一步的工作重點是對案例庫的進一步完善以及對屬性權重設置方法的研究。

[1]KolodnerJL.Anintroductiontocase-basedreasoning[J].ArtificialIntelligenceReview,1992,6(1):3-34.

[2] 高俊杰,鄧貴仕.基于本體的范例推理系統研究綜述[J].計算機應用研究,2009,26(2):406-410.

[3] 謝紅薇,李建偉.基于本體的案例推理模型研究[J].計算機應用研究,2009,26(4):1422-1424.

[4] 劉曉文,胡克瑾.基于本體和CBR的電子政務項目審批決策支持系統[J].計算機應用,2009,29(3):896-899.

[5]GuoYuan,HuJie,PengYinghong.ACBRsystemforinjectionmoulddesignbasedonontology:acasestudy[J].ComputerAidedDesign,2012,44(6):496-508.

[6] 虞 娟.基于本體的CBR及其在旅游產品智能推薦系統的應用研究[J].哈爾濱師范大學自然科學學報,2013,29(6):67-70.

[7] 李文雄,閆茂德,王建偉.高速公路交通突發事件案例的本體模型及應用[J].微電子學與計算機,2013,30(3):55-58.

[8]LiuPing,YuHaifeng,MaGuoqing.AnincidentresponsedecisionsupportsystembasedonCBRandontology[C]//Procofinternationalconferenceoncomputerapplicationandsystemmodeling.[s.l.]:[s.n.],2010:337-340.

[9]YangShengyuan,LiaoPenchin.Anontology-supportedcase-basedreasoningtechniqueforFAQproxyservice[C]//Procofinternationalconferenceonsoftwareengineeringandknowledgeengineering.[s.l.]:[s.n.],2005:693-644.

[10]AkmalS,ShihLH,BatresR.Ontology-basedsimilarityforproductinformationretrieval[J].ComputersinIndustry,2014,65(1):91-107.

[11] 孫伶俐.股票市場上利率政策公告效應實證研究[J].中南財經政法大學學報,2008(6):65-70.

[12] 劉 洋.存款準備金率調整對我國證劵市場的影響[J].統計研究,2008,25(3):42-45.

[13] 謝 敏.談印花稅下調對滬市的影響[J].知識經濟,2009(6):36-37.

[14]WuZ,PalmerM.Verbsemanticsandlexicalselection[C]//Proceedingsofthe32ndannualmeetingoftheassociationsforcomputationallinguistics.LasCruees,NewMexico:[s.n.],1994:133-138.

Research on Case Based Reasoning System of Stock Theme Events Based on Ontology

HE Yan-xin1，2，NI Li-ping1，2，CAO Lin1，2，MA Chi-yu1，2

(1.School of Management，Hefei University of Technology，Hefei 230009,China;2.Key Laboratory of Process Optimization and Intelligent Decision-making of Ministry of Education，Hefei 230009,China)

In stock markets there are some events that their occurrences will significantly affect stocks’ prices and profits.In order to help investors accumulate experimental wealth and quickly make decisions,in this paper a case-based reasoning system for subject events in stock markets was constructed with the combination of ontology theory and case-based reasoning method,then with information about subject events and data about market fluctuations,the ontology structures were defined for event cases and type ontologies were set for financial events.In this system,OWL-DL was used to describe ontology,and Protégé4.2 was applied to build the ontology base.By studying the feature properties and using similar measuring method to retrieve similar cases,a target event was finally analyzed in detail.In the end a trending analysis for a certain event to the stock markets was given,the results showed that using similar cases to predict short-term market effect was feasible,and meantime the recall ratio was obviously improved after introducing ontology into the reasoning system,which means that the proposed method is reasonable and effective.

theme events；ontology；Case-Based Reasoning(CBR)；case base；stock market

2015-02-13

2015-06-04

時間：2016-01-04

國家自然科學青年基金項目(71301041)

何巖新(1989-)，男，碩士研究生，研究方向為數據挖掘、人工智能。

http://www.cnki.net/kcms/detail/61.1450.TP.20160104.1607.066.html

TP302.1

A

1673-629X(2016)01-0033-06

10.3969/j.issn.1673-629X.2016.01.007