HINTS：无需外部来源从时间序列中提取人类洞察

本文介绍了HINTS，一个自监督学习框架，用于从时间序列数据中提取人类因素以改进预测。关键创新在于无需依赖外部数据源即可实现此目的，从而降低了数据依赖成本。使用Friedkin-Johnsen (FJ) 意见动力学模型作为结构性归纳偏置是一种新颖的方法。本文的优势在于它有可能提高预测准确性，并提供对驱动市场动态的潜在人类因素的可解释性见解。

• •提出了HINTS，一个用于从时间序列数据中提取人类因素的自监督框架。
• •避免依赖外部数据源，降低数据依赖成本。
• •采用Friedkin-Johnsen (FJ) 意见动力学模型作为结构性归纳偏置。
• •通过实验和案例研究证明了预测准确性和可解释性的提高。