Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
OpenTalks.AI - Татьяна Любимова, Предсказание спроса и предложения на сырье исходя из неструктурированных текстов
Search
OpenTalks.AI
February 15, 2019
Business
0
620
OpenTalks.AI - Татьяна Любимова, Предсказание спроса и предложения на сырье исходя из неструктурированных текстов
OpenTalks.AI
February 15, 2019
Tweet
Share
More Decks by OpenTalks.AI
See All by OpenTalks.AI
OpenTalks.AI - Виктор Лемпицкий, Моделирование 3Д сцен: новые подходы в 2020 году
opentalks
0
420
OpenTalks.AI - Алексей Чернявский, Нейросетевые алгоритмы для повышения качества медицинских изображений
opentalks
0
400
OpenTalks.AI - Александр Громов, Устойчивость нейросетевых моделей при анализе КТ/НДКТ-исследований
opentalks
0
350
OpenTalks.AI - Денис Тимонин, Megatron-LM: Обучение мультимиллиардных LMs при помощи техники Model Parallelism
opentalks
0
460
OpenTalks.AI - Егор Филимонов, Возможности платформы Huawei Atlas и эффективный гетерогенный инференс.
opentalks
0
110
OpenTalks.AI - Александр Прозоров, Референсная архитектура робота сервисного центра в отраслях с изменчивыми бизнес-процессами
opentalks
0
340
OpenTalks.AI - Наталья Лукашевич, Анализ тональности по отношению к компании — с чем не справился BERT
opentalks
0
320
OpenTalks.AI - Константин Воронцов, Фейковые новости и другие типы потенциально опасного дискурса: типология, подходы, датасеты, соревнования
opentalks
0
390
OpenTalks.AI - Дмитрий Ветров, Фрактальность функции потерь, эффект двойного спуска и степенные законы в глубинном обучении - фрагменты одной мозаики
opentalks
0
410
Other Decks in Business
See All in Business
社労士法人ホームラン 会社説明資料
hrhomerun
0
140
LED TOKYO_会社説明資料
nishimuraryuma
0
330
We are Wunderbar, Culture Deck Min
wunderbar
0
17k
Стратегия решает проблемы на всех уровнях компании
alexanderbyndyu
0
140
株式会社Gakken LEAP 会社紹介資料
gakkenleap
1
430
HRBrain|26卒 新卒向け|会社説明資料
hrbrain
2
350
Recruitment_information2024
hdn_tocci
0
260
2024年度採用資料
tcmktdev
0
120
Value Driven DevOps Team
kakehashi
13
2.6k
ふりかえり勉強会のためのスライド (初稿書き殴りver)
komassy
0
150
plan-renewal-freee-2024
yuki_yano
PRO
0
110
HRBrain|26卒 新卒向け|会社説明資料
hrbrain
2
520
Featured
See All Featured
How GitHub (no longer) Works
holman
304
140k
Designing Experiences People Love
moore
136
23k
The Power of CSS Pseudo Elements
geoffreycrofte
60
5k
Code Reviewing Like a Champion
maltzj
514
39k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
19
1.7k
Being A Developer After 40
akosma
57
580k
Become a Pro
speakerdeck
PRO
11
4.5k
We Have a Design System, Now What?
morganepeng
43
6.8k
Intergalactic Javascript Robots from Outer Space
tanoku
266
26k
[RailsConf 2023] Rails as a piece of cake
palkan
23
4k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
227
16k
Product Roadmaps are Hard
iamctodd
44
9.7k
Transcript
Actionable dataset creator Predicting supply & demand in commodities based
on unstructured texts
Why business is looking for sentiment in commodity-related texts? 1
• SENTIMENT • SCORING • TEXT LABELLING • CHUNK 2
3 No sign of crude or oil or anything related
to commodities
So what do we do with all that mess? •
do not give sentiment to the text body. • look for specific events, and only then label with sentiment. 4
5 Catch and Classify • define an object and it’s
relevance • classify the event • calculate the sentiment
People use different words to speak about demand and supply
6
People use different words to speak about positive and negative
events 7
8 How does the instrument look?
9 Non - predictive Strongest range
10 Sentiment vs. actual price 3 days lagged 2014
11
So what? 12
Actionable dataset creator Thank you!
[email protected]
@wrinklet