基于支持向量機(jī)的金融文本情感分類.pdf

1、在互聯(lián)網(wǎng)時代，很多投資者通過閱讀網(wǎng)上的股評作出投資決策。但這些金融文本的數(shù)量是巨大的，個人很難在較短時間內(nèi)對這些股評的觀點作出綜合性的判斷。借助近幾年來興起的文本情感分類技術(shù)，對這些股評的觀點傾向進(jìn)行挖掘，對于輔助投資者進(jìn)行投資決策，具有十分現(xiàn)實的意義。傳統(tǒng)的文本情感分類主要集中在產(chǎn)品評論領(lǐng)域，對于金融領(lǐng)域的股評進(jìn)行情感傾向性分析的研究還處于起步階段。股評與產(chǎn)品評論在篇章結(jié)構(gòu)上存在較大差異，傳統(tǒng)的文本情感分類方法沒有考慮到股評文本篇章結(jié)

2、構(gòu)的問題，不能簡單地移植到對股評進(jìn)行情感分類上。
　　本文首先將股評與傳統(tǒng)的產(chǎn)品評論進(jìn)行了對比，總結(jié)了股評的幾個特點；根據(jù)這些特點，利用MetaSeeker爬蟲軟件進(jìn)行了金融語料的收集；從基礎(chǔ)情感詞典、股市專用術(shù)語以及常用動詞三個方面進(jìn)行了情感詞匯的收集與整理，構(gòu)建了金融情感詞典；在ICTCLAS分詞系統(tǒng)的用戶詞典中加入了2661個股票名和457個金融領(lǐng)域?qū)Ｓ迷~匯，提高了ICTCLAS對股評文本進(jìn)行分詞的精度；對股評文本的內(nèi)容結(jié)構(gòu)