面向金融領(lǐng)域的文本情感分析技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和金融產(chǎn)業(yè)的飛速發(fā)展,網(wǎng)絡(luò)上金融信息日益豐富,同時,人們對金融信息的需求也日益增多。金融文本的傾向性可能對相關(guān)個股或者公司股票價格走勢產(chǎn)生重要影響,為此,對金融文本進行進一步的情感分析,有助于投資者進行投資決策。人工判斷新聞、評論等金融文本的傾向性的工作量巨大,迫切需要一種面向金融領(lǐng)域的自動文本情感分析技術(shù)和工具。金融文本的情感分析技術(shù)主要受制于高性能的文本情感分類算法和高質(zhì)量的金融文本情感標(biāo)注語料庫。
　　為此,本

2、文首先對金融文本的傾向性判定方法進行了研究,結(jié)合文本情感分類特點,本文對感知器算法進行改進,提出了基于優(yōu)化感知器的文本傾向性分析方法。通過觀察和分析金融文本的特點,本文提取了情感詞、評價詞等特征來表示金融文本。傳統(tǒng)的感知器方法的優(yōu)點是可以通過錯誤分類的樣本來調(diào)節(jié)各個特征的權(quán)重,但卻存在確定學(xué)習(xí)率的問題,而傳統(tǒng)的基于情感詞典統(tǒng)計的傾向性分析方法能夠采用固定特征權(quán)值進行統(tǒng)計,所以本文結(jié)合感知器和詞典統(tǒng)計方法提出了優(yōu)化感知器的文本傾向性分析方

3、法。實驗結(jié)果表明,優(yōu)化的感知器方法能夠有效地判斷金融文本的傾向性,在同一金融語料庫上的傾向性分析效果優(yōu)于其它方法。
　　其次,由于人工標(biāo)記語料具有主觀偏向性的缺點,從而影響語料庫的一致性,并且導(dǎo)致基于監(jiān)督學(xué)習(xí)分析方法的綜合性能下降。借鑒PageRank算法的思想,本文提出了一種新的DocRank算法,算法采用文本圖的結(jié)構(gòu)來表示文檔間相互關(guān)系,優(yōu)選出具有代表性的情感樣本作為訓(xùn)練語料集合。通過多組對比實驗表明,DocRank算法能夠?qū)?/p>