客戶負面新聞自動檢索方法的研究與應用.pdf

1、金融機構的風險評估部門通常需要利用互聯網搜索引擎，在網絡上搜索自己所關注客戶的負面新聞報道，以便盡早發(fā)現風險，為風險評估部門做出決策提供有益的輔助信息。手工方法完成這項工作效率低、工作量大。負面新聞屬于情感文本，研究針對互聯網情感文本的自動檢索及識別，具有重要意義和實用價值。
　　本文在深入研究當今情感傾向性識別技術的基礎上，提出了兩個算法:1）基于傾向詞搭配的情感傾向性識別(Emotional Tendentiousness R

2、ecognition basedon Tendency Word Collocation，ETRTWC)算法;2）基于語境框架的負面新聞抽取(Negative News Extraction based on Context Framework，NNECF)算法。使用ETRTWC算法判斷客戶新聞的情感傾向性，將新聞分成正面、中立和負面三類，并得出客戶綜合打分結果;使用NNECF算法從新聞集中抽取負面新聞，并與ETRTWC算法識別出的負面

3、情感類新聞取交集，共同抽取負面新聞集。本文的主要工作和貢獻如下:
　　1.提出兩種情感及負面新聞識別算法，即ETRTWC算法和NNECF算法。ETRTWC算法從情感傾向詞著手，提出給單個傾向詞分配四個屬性，然后通過依存句法結合打分規(guī)則得出整個句子的情感值，最后得出整篇新聞的情感值。NNECF算法針對每個單一語境負面新聞集合來定義語境框架，通過構建語境框架庫和框架詞匯層次庫，結合相應的中文自然語言處理技術和對數線性模型理論，判斷待識

4、別的句子是否屬于某一框架，進而判定其是否是負面新聞。
　　2.設計并實現了一套客戶負面新聞自動檢索系統(Customer Negative NewsRetrieval System Automatically，CNNRSA)。該系統采用B/S架構，以本文提出的負面新聞識別算法為核心，并利用復旦大學自然語言處理系統(FNLP)進行中文句子分詞處理、詞性標注和句子依存關系分析。CNNRSA具有互聯網新聞抓取、新聞情感初步分類、負面新聞