一种基于BSL-CPFS深度学习模型的大宗商品交易市场稳定方法

本发明公开了一种基于BSL‑CPFS深度学习模型的大宗商品交易市场稳定方法，包括：对语音数据集进行预处理分为训练集和测试集；引入DeepSpeech2模型作为语音转录模型，使用训练集和文本集对其进行训练；基于BERT模型和TextCNN构建BSL模型，输入语音转录文本数据训练集进行训练得到BSL语言处理模型；引入NER模型，将数据集进行标注，输入NER模型训练形成结构化数据；基于BiLSTM网络构建CPFS模型，输入结构化数据训练得到价格预测模型；将预测结果与历史价格波动进行动态对比识别异常波动信号并实时推送，降低信息的不对称性，监管部门通过持续监测市场价格与预测结果的偏差，制定针对性的干预策略，进而实现价格的纠偏，提高大宗商品交易市场的稳定性，提升市场定价透明度。