金融文本理解的特征選擇研究.pdf

1、互聯(lián)網(wǎng)上海量的金融文本數(shù)據(jù)（財(cái)經(jīng)新聞，研究報(bào)告，股吧論壇等）蘊(yùn)含著豐富的信息，而這些信息與很多財(cái)經(jīng)事件或證券走勢存在著密切的關(guān)系。如何讓機(jī)器自動(dòng)理解這些海量金融文本數(shù)據(jù)，給出有價(jià)值的信息，就成為一個(gè)很有價(jià)值的工作。
　　選擇合適的特征詞集合（特征集）是金融文本理解的一個(gè)基礎(chǔ)且不可逾越的環(huán)節(jié)。合適的特征集不僅要有好的分類能力，而且還要有好的穩(wěn)定性，即對訓(xùn)練數(shù)據(jù)的低敏感性。
　　本文首先根據(jù)金融文本理解的具體任務(wù)，初選一個(gè)較大的

2、候選特征集。接著，應(yīng)用SVM-RFE和隨機(jī)森林特征選擇算法從該候選特征集中選擇特征，并分析其在穩(wěn)定性方面的不足;然后，給出了一種基于訓(xùn)練樣本攝動(dòng)的組合特征選擇算法，并比較了它與未組合的特征選擇方法在特征選擇的穩(wěn)定性和分類性能上的優(yōu)劣:實(shí)證結(jié)果顯示基于組合的方法在取得了與未組合方法相近的分類準(zhǔn)確率下，提高了特征子集的穩(wěn)定性，且降低了分類準(zhǔn)確率的標(biāo)準(zhǔn)差，表明了組合方法的有效性和優(yōu)越性。此外，本文還對確定最優(yōu)特征子集大小的方法進(jìn)行研究，給出了