共 13 条
融合微博情感分析和深度学习的宏观经济预测方法
被引:12
作者:
赵军豪
[1
]
李玉华
[1
]
霍林
[2
]
李瑞轩
[1
]
辜希武
[1
]
机构:
[1] 华中科技大学计算机科学与技术学院
[2] 广西大学中国-东盟区域发展协同创新中心
来源:
关键词:
宏观经济;
投资预测;
微博;
情感分析;
深度学习;
D O I:
暂无
中图分类号:
F124 [经济建设和发展];
TP18 [人工智能理论];
学科分类号:
0201 ;
020105 ;
081104 ;
0812 ;
0835 ;
1405 ;
摘要:
现代市场经济快速发展的同时也伴随着较高的风险,通过对地区投资情况提前预测,能够提前发现投资风险,为国家、企业的投资决策提供参考。针对宏观经济预测中统计数据滞后和内部关系复杂的问题,提出融合情感分析和深度学习的预测方法(SA-LSTM)。首先考虑微博的强时效性,确定了微博爬取和情感分析的方法,得到微博情感分析的分值,进而结合政府统计的结构化经济指标和长短期记忆神经网络,实现地区投资总额预测。经过实际数据计算验证,在四个数据集上,与不加入微博情感分析的LSTM网络相比,SA-LSTM能够降低预测相对误差4.95,0.92,1.21,0.66个百分点;与差分自回归移动平均模型(ARIMA)、线性回归(LR)、反向传播(BP)神经网络、长短期记忆(LSTM)网络四个方法中的最优方法相比能够降低相对误差0.06,0.92,0.94,0.66个百分点。另外,SA-LSTM在多个时间片上,预测相对误差的方差最小,表明所提方法具有很好的鲁棒性,对数据抖动有良好的适应性。
引用
收藏
页码:3057 / 3062
页数:6
相关论文