Quantifying Semantic Shift in Financial NLP: Robust Metrics for Market Prediction Stability
创建于 更新于
摘要
本论文提出了一个针对金融自然语言处理模型在宏观经济体转变中语义漂移和鲁棒性的新评估框架，定义四项指标（FCAS、PCS、TSV、NLICS）以系统量化因果一致性、扰动敏感性、语义波动和逻辑一致性。通过在多个经济周期和模型之间的实证分析，揭示了LSTM模型稳定性较强，Transformer模型则对语义漂移敏感，且特征增强提升了泛化能力和鲁棒性。研究为构建自适应、可信赖的金融AI系统提供了诊断工具和理论支持 [page::0][page::1][page::4][page::6][page::7]
