Stock Movement Prediction with Multimodal Stable Fusion via Gated Cross-Attention Mechanism
创建于 更新于
摘要
本报告提出了MSGCA框架，通过融合股价指标序列、情绪新闻文本和行业关系图三种异质模态，采用门控交叉注意力机制实现稳定的多模态融合，有效处理数据稀疏与语义冲突问题，实现精细化的股票涨、跌、平趋势预测。实验证明，MSGCA在四个多模态数据集上的预测性能较现有方法最高提升31.6%，显著增强了多模态融合的稳定性与准确率 [page::0][page::1][page::2][page::4][page::6][page::9][page::11]
