NLP增强的主动权益基金标签体系
创建于 更新于
摘要
本报告通过结合自然语言处理（NLP）技术与机器学习模型，创新构建主动权益基金精细分类体系。针对未建仓基金，采用百度ERNIE 3.0有监督文本分类模型，准确率高达89.83%。对于已建仓基金，采用TF-IDF向量化与持仓信息融合的无监督层次化聚类方法，结合距离阈值和CH指标实现灵活分组，有效识别基金风格及风格漂移。最终构建包括23类的多维聚类标签体系，覆盖行业主题、风格及交易偏好维度，显著提升基金分类的深度与应用价值 [page::0][page::4][page::5][page::7][page::9][page::15][page::18]
