金融博客的分類篩選.pdf

1、隨著國內投資風氣的興起,越來越多的人關注金融信息。在眾多的金融產品中,股票的投資回報率最高,因此關注股票的投資者最多。那么,挖掘出和股票相關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的博客文章很有價值。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;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,還可能具有歧義。
　　論文設計并實現(xiàn)了一個面向金融領域博客的股票分類篩選系統(tǒng),先使用改進的爬蟲獲取金融博客文章,然后用改進的個股分類算法對博客文章按照股票分類,最后對查詢結果進行排序后展示給投資者。本文的研究內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)的運行效率。
　　(2)對傳統(tǒng)的分類算法進行改進,提出了一種基于特征

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