While previous studies have mainly

While previous studies have mainly focused on the classification of stock price trends, none has been discovered to harness machine learning to determine a discrete stock price prediction based on breaking news articles. Prior techniques have relied solely on a bag of words approach and not other textual representations. Finally, there is no consensus on what information to include in a model that will lead to better performance.From these gaps in the research we form the crux of our study with the following questions.

結果 (繁體中文) 1:

雖然以前的研究主要集中在股票價格走勢CLASSI科幻陽離子，沒有一個被發現線束機器學習來確定基於突發新聞文章離散股票價格預測。在此之前技術已經完全依靠話一袋接近，而不是其他的文本表示。最後，還有什麼信息在模型中包括沒有達成共識，這將導致更好performance.From在我們形成我們的研究有以下幾個問題癥結研究這些差距。

結果 (繁體中文) 2:

雖然以前的研究主要側重于股票價格趨勢的分類，但還沒有發現利用機器學習來確定基於突發新聞文章的離散股票價格預測。以前的技術完全依賴于一袋單詞的方法，而不是其他文本表示。最後，對於模型中要包含哪些資訊會導致更好的性能，沒有達成共識。從研究中的這些空白中，我們形成了我們研究的癥結所在，提出了以下問題。

結果 (繁體中文) 3:

雖然之前的研究主要集中在股票價格趨勢的分類上，但還沒有發現利用機器學習來確定基於突發新聞文章的離散股票價格預測。以前的科技僅僅依賴於一包單詞的方法，而不是其他的文字表示。最後，對於在模型中包含哪些資訊將導致更好的效能，還沒有達成共識。從研究中的這些差距，我們提出了以下問題，構成了我們研究的關鍵。