一些华尔街的金融公司开始考虑将实时的新闻数据作为他们交易模型的输入。尽管如此，对于如何将新闻输入到交易模型或者算法里依然没有专门的方法和技术去处理。道琼斯新闻在线公司虽然给投资者提供过滤新闻的服务，但是它仅仅及时地告诉用户那些他们感兴趣的新闻并没有告诉用户在做交易的时候应该怎么考虑他们，如果把这些信息考虑进交易活动中则需要用户做进一步的判断，这里问题就出现了，人的进一步对新闻信息处理的主观判断会造成偏见性和非理性。
这篇论文主要研究两方面:
1)提供一个本体论建模方法将新闻、金融工具进行标准化分类，以及标准化表达这些类的各种属性、类与类之间的各种关系。
2）利用这个数据挖掘框架系统，各种事件类别的新闻和各种不同性质的金融工具市场活动之间的关系将会用贝叶斯挖掘技术进行统计学习，而这些关系基本上都是呈现因果依赖性质的。