金融博客的分類篩選.pdf

1、隨著國(guó)內(nèi)投資風(fēng)氣的興起,越來越多的人關(guān)注金融信息。在眾多的金融產(chǎn)品中,股票的投資回報(bào)率最高,因此關(guān)注股票的投資者最多。那么,挖掘出和股票相關(guān)的資訊就變得很有必要。而在所有資訊中,博客文章占了很大比重。因此挖掘出和股票相關(guān)的博客文章很有價(jià)值。但是如果只是把金融博主寫的文章展示給投資者,存在諸多問題。首先:金融博主寫的文章有許多不是關(guān)于金融的;其次:許多金融文章提到了許多只股票,但通常說來,這種文章和每只股票都不相關(guān);另外:即使文章中提到了

2、某只股票的名稱,也未必和這只股票相關(guān),還可能具有歧義。
　　論文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向金融領(lǐng)域博客的股票分類篩選系統(tǒng),先使用改進(jìn)的爬蟲獲取金融博客文章,然后用改進(jìn)的個(gè)股分類算法對(duì)博客文章按照股票分類,最后對(duì)查詢結(jié)果進(jìn)行排序后展示給投資者。本文的研究?jī)?nèi)容主要包括以下幾方面:
　　(1)分析了博客爬蟲存在的一般問題,提出了一種新的爬取策略,提高了股票分類系統(tǒng)的運(yùn)行效率。
　　(2)對(duì)傳統(tǒng)的分類算法進(jìn)行改進(jìn),提出了一種基于特征

3、融合的個(gè)股分類算法。將通用文本特征和金融領(lǐng)域特征結(jié)合起來,解決了通用分類方法用于個(gè)股分類準(zhǔn)確率不高的問題。
　　(3)提出了基于金融領(lǐng)域特征的博客文章排序算法。該算法綜合考慮了多個(gè)金融指標(biāo),改進(jìn)了排序的效果。
　　在博客爬蟲的評(píng)測(cè)中,本論文把改進(jìn)的博客爬蟲和通用的爬蟲做了對(duì)比,證明了基于多特征的博客爬蟲的優(yōu)越性;在個(gè)股分類中,首先構(gòu)建了金融博客個(gè)股分類語料庫(kù),然后在該語料庫(kù)上把通用分類方法和考慮了金融領(lǐng)域特征的個(gè)股分類算法進(jìn)