基于詞典的財經(jīng)微博信息的情感態(tài)度挖掘.pdf

1、近年來，隨著中國經(jīng)濟的快速發(fā)展，中國的股票市場發(fā)展也呈現(xiàn)迅猛之勢。中國股市已擁有2467家上市公司，滬深股市總市值23.5萬億，股民數(shù)量已達到1.6億，中國股市已經(jīng)成為全球市值的第三大市場。對股民而言，互聯(lián)網(wǎng)財經(jīng)類消息與他們的利益息息相關(guān)。
　　微博作為一種新型的社交工具，由于其簡短寫作，便捷發(fā)布，實時交互的特點深受大眾歡迎，微博已成為國內(nèi)第二大網(wǎng)絡(luò)社交媒介，也是第二大輿情源頭。面向財經(jīng)類的微博信息分析，關(guān)注公眾對財經(jīng)市場的反應—

2、—情感，可以為市場預測提供參考，為財經(jīng)行業(yè)從業(yè)人員和投資者服務。因此，以財經(jīng)領(lǐng)域作為研究實例，分析微博輿情有現(xiàn)實意義和應用價值。
　　在針對財經(jīng)微博的情感態(tài)度分析研究中，構(gòu)建了一個完整的分類模型，主要從規(guī)范化、分類、命名實體識別、情感分析、趨勢預測等方面開展研究。但是本文將重心放在情感分析上，情感傾向分類也被稱為觀點挖掘(Opinion Mining)或者情感極性分類，可以理解為用戶對某客體表達自身觀點所持的態(tài)度是支持、反對、中立

3、，也就是常說的正面情感、負面情感、中性情感。在論文的具體實施過程中，研究的主要內(nèi)容包括以下幾部分:
　　(1)研究了公司組織機構(gòu)名稱全稱及簡稱的語法構(gòu)成、語義特點及組織規(guī)律，并結(jié)合金融領(lǐng)域特有的情感詞，使用情感傾向點互信息算法(SO-PMI)構(gòu)建了金融領(lǐng)域詞典。
　　(2)分析研究中文微博的特點，在結(jié)合網(wǎng)絡(luò)語言及金融語言特點的基礎(chǔ)上，構(gòu)建了網(wǎng)絡(luò)用語詞典和否定詞、程度副詞及表情符詞典，對深入研究情感態(tài)度挖掘具有重要幫助。