TWM584469U - 理財新聞可信度評價裝置 - Google Patents

Abstract

本新型為有關一種理財新聞可信度評價裝置，主要由理財資料庫多方搜集文字型資料，並儲存於歷史資料記錄區及實況資料記錄區，並由文字解析裝置利用文字辨識模組及字義類別辨識模組對文字型資料解讀及分析，而由資料輸出模組擷取出商品標的、發佈者、發佈時間、商品走勢資訊及預估時間資訊等字串，並產生一解析資訊，再由歷史回測裝置比對預估時間發佈之文字型資料內容，以產生一檢驗結果，最後由評價產出裝置整合產生一針對該發佈者對該商品走勢資訊之過往預測準確度的評價資訊，並儲存於一系統平台以供使用者查詢。藉此，紀錄各理財新聞的準確度，以作為使用者投資理財之參考依據。

Description

理財新聞可信度評價裝置

本新型為提供一種理財新聞可信度評價裝置，尤指一種自動解析理財新聞的內容，並主動追蹤驗證其正確性，以統計出針對該發佈者對理財新聞內容的過往準確率的理財新聞可信度評價裝置。

按，由於金融市場的活絡，投資人經常進行金融商品間的交易，為了讓投資人能夠在快速變動的金融市場上正確掌握訊息，市面上存在有大量管道可提供各種金融商品的新聞、投資研究報告等財經資料給投資人參考，且該些財經資料中的預測內容經常直接被信任的投資者作為金融商品交易或投資的重要參考依據。

然而上述財經資料的各發佈者對於同一金融商品的看法往往有所出入，對於其預測結果有時更是南轅北轍，加上惡意炒作的可能性，投資人很難判斷誰是誰非，若貿然行動很容易造成金錢的虧損。故目前市面上已有號稱可便利的、有效的、公正的篩選出可信度較高之財經資訊的投資建議工具。

然上述投資建議工具於使用時，存在下列問題與缺失尚待改進：

一、金融市場起伏千變萬化，不太可能每次都提供正確或準確的建議，一旦投資失利，該投資建議工具仍會淪為不被信任的一方。

二、一般皆利用資料庫中既有的數據進行比對，而非進行「當時預測數據」與「實際數據結果」的回測比對，故其可信度仍有異議空間。

三、無法自動解析財經資料的內容，故準確度判斷來源的解讀，會耗費較多時間。

四、未能直接在使用者閱讀財經資料時，主動附上分析結果。

是以，要如何解決上述習用之問題與缺失，即為本新型之創作人與從事此行業之相關廠商所亟欲研究改善之方向所在者。

故，本新型之創作人有鑑於上述缺失，乃蒐集相關資料，經由多方評估及考量，並以從事於此行業累積之多年經驗，經由不斷試作及修改，始設計出此種自動解析理財新聞的內容，並主動追蹤驗證其正確性，以統計出針對該發佈者對理財新聞內容的過往之理財新聞可信度評價裝置的新型專利者。

本新型之主要目的在於：利用文字解析裝置自動解析文字型資料的內容，配合資料輸出裝置產出包含商品標的、發佈者、發佈時間、商品走勢資訊及預估時間資訊等重點資料的解析資料。

本新型之另一主要目的在於：主動追蹤及驗證商品走勢資訊的正確性，並綜合發佈者的歷史記錄統計出準確率，而附加於使用者查閱之理財資料中。

為達成上述目的，本新型之評價系統係設置於一系統平台，其主要包括：一供搜集複數文字型資料之理財資料庫，係包含有至少一設於該理財資料庫內供儲存歷史文字資料之歷史資料記錄區、及至少一設於該理財資料庫內且位於該歷史資料記錄區一側並供儲存當日文字資料之實況資料記錄區，且於該理財資料庫一側設有一與其資訊連結之文字解析裝置，係供解讀及分析各該文字型資料，且該文字解析裝置內包含有一供搜尋該文字型資料內容中與預定辭庫相符之字串的文字辨識模組、及至少一設於該文字辨識模組一側且與其資訊連結之字義類別辨識模組，係依據商品標的、發佈者、發佈時間、及財經術語進行分類，且該財經術語包含有商品走勢資訊及預估時間資訊，並於該文字解析裝置一側設有一與其資訊連結之資料輸出裝置，係供擷取該字串而針對各該文字型資料產生一解析資料，而於該資料輸出裝置一側則設有一與其資訊連結之歷史回測裝置，係藉由比對該歷史文字資料之商品走勢資訊及該當日文字資料之商品走勢資訊是否符合，以產生一檢驗結果，再於該歷史回測裝置一側設有一與其資訊連結之評價產出裝置，係供結合該解析資料及該檢驗結果，而產生一對該發佈者對該商品走勢資訊之過往預測準確度的評價資訊，並儲存於該系統平台以供使用者查詢。

本新型係利用理財資料庫搜集多筆文字型資料，並依時間分類將歷史文字資料儲存於至少一歷史資料記錄區、及將當日文字資料儲存於至少一實況資料記錄區內，並由文字解析裝置解讀及分析各該文字型資料，解析時係由文字辨識模組搜尋該文字型資料內容中與預定辭庫相符之字串，再由字義類別辨識模 組，依據商品標的、發佈者、發佈時間、商品走勢資訊及預估時間資訊進行分類，以利用資料輸出裝置擷取字串，而針對各該文字型資料產生一解析資料，接著透過歷史回測裝置針對歷史文字資料之商品走勢資訊及該當日文字資料之商品走勢資訊進行比對，以產生一檢驗結果，最後由評價產出裝置結合解析資料及檢驗結果，而產生一對該發佈者對該商品走勢資訊之過往預測準確度的評價資訊，並儲存於系統平台以供使用者查詢。藉此自動紀錄及統計各理財新聞的準確率，以作為使用者投資理財之參考依據。

藉由上述技術，可針對習用投資建議工具所存在之不論如何篩選仍有投資失利的風險、未進行資料回測可信度仍有異議、無法自動解析資料、及未主動附上分析結果等問題點加以突破，達到上述優點之實用進步性。

1‧‧‧系統平台

2‧‧‧理財資料庫

201、201a‧‧‧文字型資料

21‧‧‧歷史資料記錄區

22‧‧‧實況資料記錄區

23‧‧‧更新模組

3‧‧‧文字解析裝置

31、31a‧‧‧文字辨識模組

311、311a‧‧‧預定辭庫

312a‧‧‧動態題材識別模組

313a‧‧‧語意清晰畫模組

314a‧‧‧多重類別分類元件

32‧‧‧字義類別辨識模組

321、321a‧‧‧商品標的

322‧‧‧發佈者

323、323a‧‧‧商品走勢資訊

324、324a‧‧‧預估時間資訊

4‧‧‧資料輸出裝置

401‧‧‧解析資料

41‧‧‧財經現況附加模組

411‧‧‧商品走勢現況資訊

5‧‧‧歷史回測裝置

6‧‧‧評價產出裝置

601‧‧‧評價資訊

61‧‧‧信用評價模組

611‧‧‧準確率

7‧‧‧使用者介面平台

第一圖 係為本新型較佳實施例之立體透視圖。

第二圖 係為本新型較佳實施例之結構方塊圖。

第三圖 係為本新型較佳實施例之資料來源示意圖。

第四圖 係為本新型較佳實施例之文字解析示意圖。

第五圖 係為本新型較佳實施例之文字解析方塊流程圖。

第六圖 係為本新型較佳實施例之回測評價示意圖。

第七圖 係為本新型較佳實施例之回測評價方塊流程圖。

第八圖 係為本新型較佳實施例之評價查詢示意圖。

第九圖 係為本新型較佳實施例之評價查詢方塊流程圖。

第十圖 係為本新型再一較佳實施例之文字辨識模組方塊圖。

為達成上述目的及功效，本新型所採用之技術手段及構造，茲繪圖就本新型較佳實施例詳加說明其特徵與功能如下，俾利完全了解。

請參閱第一圖及第二圖所示，係為本新型較佳實施例之立體透視圖及結構方塊圖，由圖中可清楚看出本新型之評價系統係設置於一系統平台1，並主要包括：一理財資料庫2，係供搜集複數文字型資料，並包含有至少一設於該理財資料庫2內供儲存歷史文字資料之歷史資料記錄區21、及至少一設於該理財資料庫2內且位於該歷史資料記錄區21一側並供儲存當日文字資料之實況資 料記錄區22；一設於該理財資料庫2一側之更新模組23，係供搜尋該文字型資料之來源並自動更新；一設於該理財資料庫2一側且與其資訊連結之文字解析裝置3，係供解讀及分析各該文字型資料，且該文字解析裝置3內包含有一供搜尋該文字型資料內容中與預定辭庫相符之字串的文字辨識模組31、及至少一設於該文字辨識模組31一側且與其資訊連結之字義類別辨識模組32，係依據商品標的、發佈者、發佈時間、及財經術語進行分類，且該財經術語包含有商品走勢資訊及預估時間資訊；一設於該文字解析裝置3一側且與其資訊連結之資料輸出裝置4，係供擷取該字串而針對各該文字型資料產生一解析資料；一設於該資料輸出裝置4一側之財經現況附加模組41，係根據該商品標的查找出一商品走勢現況資訊，並附加於該解析資料中；一設於該資料輸出裝置4一側且與其資訊連結之歷史回測裝置5，係藉由比對該歷史文字資料之商品走勢資訊及該當日文字資料之商品走勢資訊是否符合，以產生一檢驗結果；一設於該歷史回測裝置5一側且與其資訊連結之評價產出裝置6，係供結合該解析資料及該檢驗結果，而產生一對該發佈者對該商品走勢資訊之過往預測準確度的評價資訊，並儲存於該系統平台1以供使用者查詢；一設於該評價產出裝置6內之信用評價模組61，係針對各發佈者統計其過往預測結果之準確率；及一資訊連結該系統平台1之使用者介面平台7，係供使用者透過問答方式搜尋文字型資料及該文字型資料之評價資訊。

藉由上述之說明，已可了解本技術之結構，而依據這個結構之對應配合，更可自動解析理財新聞的內容，並主動追蹤驗證其正確性，以達到統計針對該發佈者對理財新聞內容的過往準確率之目的，而詳細之解說將於下述說明。

請同時配合參閱第一圖至第九圖所示，係為本新型較佳實施例之立體透視圖至評價查詢方塊流程圖，藉由上述構件組構時，由圖中可清楚看出，本新型之系統平台1係建構於一雲端伺服器、伺服器主機或個人電腦其中之一者，利用理財資料庫2搜集儲存多筆文字型資料201，例如新聞報導、研究報告、 交易資料等，而該些文字型資料201來源包括有銀行或投顧公司對個股的分析報告、網路論壇或媒體發佈資訊、人工輸入(如訪談稿)、或利用外部新聞的更新模組23(Application Programming Interface，API)自動且即時的更新資料(如第三圖所示)，並將各文字型資料201依時間分類，將歷史文字資料儲存於歷史資料記錄區21，及將當日文字資料儲存於實況資料記錄區22，以供後續歷史回測裝置5比對之用。其中歷史資料記錄區21與實況資料記錄區22可為不同的硬碟或硬碟中的不同磁區，而當日文字資料更可細分出即時文字資料。

請同參第四圖及第五圖，系統平台1會利用文字解析裝置3對每一篇文字型資料201自動進行解讀分析，解析時乃先利用文字辨識模組31搜尋文字型資料201內容中與預定辭庫311相符之字串，並由字義類別辨識模組32將各字串依據商品標的321、發佈者322、發佈時間、及財經術語(包含有商品走勢資訊323及預估時間資訊324)進行分類。其中，商品標的321於預定辭庫311中包括有台積電、鴻海等股票名稱、或富蘭克林、安聯等基金名稱，發佈者322於預定辭庫311中包括有證券交易商、投顧公司、報社等公司名稱、或投資經理人、理財專家、記者等姓名或職稱，而財經術語之商品走勢資訊323則包括有看多、買進、上看等走勢看漲的字眼、或看空、賣出、重挫等走勢看跌的字眼，預估時間資訊324則包括短期、季中、明年等時間區間字眼。接著利用資料輸出裝置4將辨識完成的字串擷取出來，而整理成該文字型資料201之摘要內容的解析資料401。

具體而言，以第四圖所示之媒體發佈資訊內容(文字型資料201之歷史文字資料)作舉例：新聞標題「外資看多台積電，目標價上看3字頭！」，其中「台積電」即為商品標的321，「看多、上看」即為商品走勢資訊323，小標題處則有發佈時間為2017.10.12的字串，文稿內所述之「從10/2張忠謀董事長宣佈將在明年退休後」即為預估時間資訊324，「目標價給得最高的是里昂證券，目標價為300元」即有發佈者322及商品走勢資訊323」，因此，可由文字解析裝置3的解讀分析及資料輸出裝置4的字串擷取，而產生一解析資料401。同理，文字解析裝置3會再對文字型資料201之當日文字資料進行解讀分析，而該當日文字資料之發佈時間應為2018.10.12，並由資料輸出裝置4產生當日文字資料的解析資料401。

接著，請同參第六圖及第七圖，歷史回測裝置5乃於讀取各解析資料40 1後，將歷史文字資料之商品走勢資訊323及當日文字資料之商品走勢資訊323進行比對，此處所指之歷史文字資料及當日文字資料，必須為商品標的321及發佈者322相同之前提，如此其對商品走勢資訊323的比對才具有實質意義，故歷史回測裝置5根據的比對結果產生一檢驗結果。具體而言，承上例，歷史文字資料之商品走勢資訊323為由235元上漲至300元，而當日文字資料之商品走勢資訊323中所包含的當時股價為237元，因此，經歷史回測裝置5的比對，檢驗結果中除了將歷史文字資料的預測股價及當日文字資料的實際股價標註顯示之外，同時會計算其偏誤程度，並給予判斷方向是否正確之結論，以本實施例而言，結果雖仍有上漲、判斷方向正確，但偏誤程度為(237-300)/300=-21%。

基於上述對文字型資料201解析及回測檢驗動作，對理財資料庫2中的每一則文字型資料201做相同處理，當同一個發佈者322發佈的文字型資料201數量逐漸累積後，即可利用評價產出裝置6針對該發佈者322整合其解析資料401與檢驗結果，產生一評價資訊601。並可利用信用評價模組61針對各發佈者322統計其預測結果之準確率611，例如，該發佈者322經統計共發佈了40篇文章，並有29篇判斷正確、11篇判斷錯誤，故其準確率611為72.5%。

如此一來，當使用者透過使用者介面平台7查詢某一商品標的321時，除了可簡單透過問答方式(包括直接轉貼新聞或其連結之方式)查詢外，亦可透過本新型快速得知文字型資料201的內容概要及其發佈者322的判斷準確率611，而該判斷準確率611即可視為該發佈者322的可信度。舉例而言，當使用者利用對話式人機介面的使用者介面平台7查詢台積電的商品標的321時，只要輸入股票代碼(#2330)或股票名稱(#台積電)，便會連結至系統平台1查閱該商品標的321的文字型資料201，並顯示出至少一筆的文字型資料201，但直接顯示出來的並非整篇內容，而是資料輸出裝置4所擷取整理出來的解析資料401，如第八圖所示，解析資料401中除了會顯示新聞標題外，僅會顯示發佈日期(2018.01.09)、商品標的321(2330台積電)、發佈者322(里昂證券)、以及商品走勢資訊323、預估時間資訊324等財經術語的分類表，且商品走勢資訊323、預估時間資訊324係分別以簡單的文字表格顯示，如商品走勢資訊323可分為利多(多)、中立(中)、利空(空)，而預估時 間資訊324可分為短期(短)、中期(中)、長期(長)，或可同時利用財經現況附加模組41根據該商品標的321，透過網路查找出一商品走勢現況資訊411，並附加於該解析資料401中，於本實施例中該商品走勢現況資訊411即為2018.01.09台積電的當日股價或即時股價(212.5元)。系統平台1更會同時在該解析資料401旁標示出，由評價產出裝置6所統計出該發佈者322的平均判斷準確率611、或針對該商品標的321平均判斷準確率611、甚至是該發佈者322針對某一種商品走勢資訊323(如利多)或某一種預估時間資訊324(如短期)的判斷準確率611，以作為使用者對其查詢的文字型資料201之參考可信度(如第八圖及第九圖所示)。

藉此，利用文字解析裝置3自動解析文字型資料201的內容，配合資料輸出裝置4產出包含商品標的321、發佈者322、發佈時間、商品走勢資訊323及預估時間資訊324等重點資料的解析資料401，縮短使用者瀏覽文字型資料201的時間，且可主動追蹤及驗證商品走勢資訊323的正確性，並綜合發佈者322的歷史記錄統計出準確率611，而附加於使用者查閱之理財資料中，由使用者自行決定是否要相信該文字型資料201的內容。因此，本新型僅主動、客觀的提供與理財資訊相關的文字型資料201之可信度，而不主觀的篩選或推薦投資方向，可確實作為使用者投資理財的參考工具。

再請同時配合參閱第十圖所示，係為本新型再一較佳實施例之文字辨識模組方塊圖，由圖中可清楚看出，本實施例與上述實施例為大同小異，僅於該文字辨識模組31a內具有一以動態話題模型技術(Dynamic Topic Models)增加該商品標的321a之辨識準確性的動態題材識別模組312a、一以語意解歧(Word Sense Disambiguation)技術增加該商品走勢資訊323a之辨識準確性的語意清晰畫模組313a、及一供同時針對商品標的321a、商品走勢資訊323a、預估時間資訊324a、或發佈者之任意組合進行分類之多重類別分類元件314a(Multi-class Classifier)。

由於財經新聞的特性是不同粗細的標的分類放在相同的文字型資料201a中，使得財經新聞會同時存在各種規模的預測商品標的321a，例如從大型分類的大盤、金融股、電子股、中小型股/權值股，中型分類包含電子五哥、蘋果供應鏈、半導體類股，甚至如MSCI成分股的內容每季都有些許調整，因此 只用股票名稱作為商品標的321a之關鍵字識別，可能會誤判。

因此，利用動態題材識別模組312a的動態話題模型技術(Dynamic Topic Models)，統計從各個新聞來源統計出可能的新題材，以及個股與新題材涵蓋的個股，如此，雖然股票的類別有明確的定義，變動幅度很小，但是隨著時間演進，市場新聞存在著動態話題，例如題材，5G概念股、英特爾下一代伺服器，這些不在預定辭庫311a中的資料，即可透過動態題材識別模組312a準確辨識出文字型資料201a中的商品標的321a。

所述動態話題模型技術(Dynamic Topic Models)，乃於過去的新聞上，以人工方式將標上已知的動態題材，例如蘋果概念股、加密貨幣概念股等字樣，並以複數個人工標註完動態題材的新聞，作為機器學習的訓練資料集，以學習動態題材的前後文時常出現的特定詞彙或詞彙類別，作為萃取規則。然後由系統將文章切分成句子、詞彙，將每個詞彙標註詞彙類別，例如「與(等符號，屬於左括號類別，鴻海屬於股票名稱類別，取出每個人工標註的動態題材的前後文作為變數，以機器學習方式學習各種變數的組合和動態題材的關聯性規則，例如詞彙的前文出現”「“，後文出現“股」”，則該詞彙即為動態題材。此類的關聯性由機器學習技術建立，因此可以處理未知的新詞彙。

同理，由於分析者的預測常提到重要的預估時間資訊324a，包含了固定的日期(例如季底、月底作帳、耶誕節行情)、複雜的描述(例如期貨結算日)、及經常性變動的日期(例如農曆、節慶、寒暑假)。故對於發佈時間及預估時間資訊324a的識別，可於預定辭庫311a中建立財經時間屬性的資料庫，搭配動態話題模型技術，即可將時間區間的短期、中期、長期以可變動方式對應到明確日期區間。

至於商品走勢資訊323a的說明，預測者常以模糊、迂迴或是較複雜的詞彙作為預測內容，例如仍有可為、絕地反攻、變盤、看不跌等等。有些詞彙需要融合市場實況才能做解讀，以變盤為例，當該股票目前為跌勢時，變盤指的是會漲，反之若該股票目前是漲勢，則變盤指的是將來會跌。因此，本新型利用語意清晰畫模組313a將語意清晰化，對應到多、空、中等商品走勢資訊323a，以提升對商品走勢資訊323a的識別能力。

上述語意解歧(Word Sense Disambiguation)技術，在計算語言學中，語意解歧係用來辨識一個具有多種解釋的單字，放在一個句子中時，判斷出其正確的 字義解釋。執行上，需要幾個嚴格的技術：用於指定要消除歧義的感官字典、要消除歧義的語言數據資料庫、語言示例的訓練資料庫，且語意解歧技術有兩個變因：詞彙樣本及所有單詞，前者包括消除先前選擇的一小部分目標詞樣之出現，而在後者需要消除一段正在運行的文本中之所有詞語(後者為更現實的評估形式，但資料庫生成成本較高)。

另外，因為商品走勢資訊323a除了漲跌以外，還包含時間區間，例如某分析師認為目前的狀況是短多長空，代表不是看漲或看跌，而是近期看漲，但是長期看跌。故本新型乃根據習知的情感分析技術(Sentiment Analysis)由文字中分析出正反面(例如支持某議題或是反對某議題)，再加入多重類別分類元件314a，以預估時間資訊(時間區間)加上商品走勢資訊323a(多空)作為分類，並且允許多重類別。例如短多長空觀點的文章，會被同時分類到短期看漲及長期看跌兩個類別。其中情感分析(也稱為意見挖掘)是指用自然語言處理、文本挖掘以及計算機語言學等方法，將文字中的內涵轉換成向量的數值，以利用機器來解讀文章內隱含的意思，並識別和提取原素材中的主觀信息。在本實施例中，情感分析即由文章段落、上下文中所擷取出來的關鍵字辭，計算其與「多空」及「期間」的向量關係，藉此評估這篇新聞的「發佈者」對於新聞內容的評價結果。

藉此，利用動態題材識別模組312a、語意清晰畫模組313a及多重類別分類元件314a的設計，即可大幅提升對文字型資料201a的辨識能力。

惟，以上所述僅為本新型之較佳實施例而已，非因此即侷限本新型之專利範圍，故舉凡運用本新型說明書及圖式內容所為之簡易修飾及等效結構變化，均應同理包含於本新型之專利範圍內，合予陳明。

綜上所述，本新型之理財新聞可信度評價裝置於使用時，為確實能達到其功效及目的，故本新型誠為一實用性優異之新型，為符合新型專利之申請要件，爰依法提出申請，盼 審委早日賜准本新型，以保障創作人之辛苦創作，倘若 鈞局審委有任何稽疑，請不吝來函指示，創作人定當竭力配合，實感德便。

Claims (8)

1. 一種理財新聞可信度評價裝置，該評價系統係設置於一系統平台，其主要包括：一理財資料庫，係供搜集複數文字型資料，並包含有至少一設於該理財資料庫內供儲存歷史文字資料之歷史資料記錄區、及至少一設於該理財資料庫內且位於該歷史資料記錄區一側並供儲存當日文字資料之實況資料記錄區；一設於該理財資料庫一側且與其資訊連結之文字解析裝置，係供解讀及分析各該文字型資料，且該文字解析裝置內包含有一供搜尋該文字型資料內容中與預定辭庫相符之字串的文字辨識模組、及至少一設於該文字辨識模組一側且與其資訊連結之字義類別辨識模組，係依據商品標的、發佈者、發佈時間、及財經術語進行分類，且該財經術語包含有商品走勢資訊及預估時間資訊；一設於該文字解析裝置一側且與其資訊連結之資料輸出裝置，係供擷取該字串而針對各該文字型資料產生一解析資料；一設於該資料輸出裝置一側且與其資訊連結之歷史回測裝置，係藉由比對該歷史文字資料之商品走勢資訊及該當日文字資料之商品走勢資訊是否符合，以產生一檢驗結果；及一設於該歷史回測裝置一側且與其資訊連結之評價產出裝置，係供結合該解析資料及該檢驗結果，而產生一針對該發佈者對該商品走勢資訊之過往預測準確度的評價資訊，並儲存於該系統平台以供使用者查詢。
2. 如申請專利範圍第1項所述之理財新聞可信度評價系統，其中該文字辨識模組內具有一動態題材識別模組，係以動態話題模型技術(Dynamic Topic Models)增加該商品標的之辨識準確性。
3. 如申請專利範圍第1項所述之理財新聞可信度評價系統，其中該文字辨識模組內具有一語意清晰畫模組，係以語意解歧(Word Sense Disambiguation)技術增加該商品走勢資訊之辨識準確性。
4. 如申請專利範圍第1項所述之理財新聞可信度評價系統，其中該文字辨識模組內具有一多重類別分類元件(Multi-class Classifier)，係供同時針對該商品標的、該商品走勢資訊、該預估時間資訊、或該發佈者之任意組 合進行分類。
5. 如申請專利範圍第1項所述之理財新聞可信度評價裝置，其中該資料輸出裝置一側設有一財經現況附加模組，係根據該商品標的查找出一商品走勢現況資訊，並附加於該解析資料中。
6. 如申請專利範圍第1項所述之理財新聞可信度評價裝置，其中該理財資料庫一側設有一更新模組，係供搜尋該文字型資料之來源並自動更新。
7. 如申請專利範圍第1項所述之理財新聞可信度評價裝置，其中該評價產出裝置內具有一信用評價模組，係根據各發佈者統計其預測結果之準確率。
8. 如申請專利範圍第1項所述之理財新聞可信度評價裝置，其中更包含一資訊連結該系統平台之使用者介面平台，係供使用者透過問答方式搜尋文字型資料及該文字型資料之評價資訊。