基于SVM结合依存句法的金融领域舆情分析

被引：14

作者：

黄进 ^{[1
]}

阮彤 ^{[1
]}

蒋锐权 ^{[2
]}

机构：

[1] 华东理工大学信息学院

[2] 上海证券交易所技术部

来源：

计算机工程与应用 | 2015年 / 51卷 / 23期

关键词：

金融领域; 情感分析; 位置关系; 支持向量机(SVM); 依存分析;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

用户的情感倾向与市场波动之间的联系,对金融市场的监控和股价异常处理有着重要作用,因此针对金融领域用户生成的文本进行情感分析很有意义。然而,由于金融领域文本的术语比较多,句子比较长,以及缺乏现成的情感语料库,所以针对该领域的情感分析研究目前还比较少。根据金融领域文本的特点,充分考虑到金融领域情感词的特征、单个句子中词语的位置权重以及情感词相互间的修饰关系,提出SVM分类结合Stanford句法依存分析方法,计算文档的情感值。利用重要财经网站上抽取的金融领域数据进行实验,综合值F达到了82.1%,比文献中其他方法更为精准。

引用

页码：230 / 235

页数：6

共 8 条

[1] 基于语素的金融证劵域文本情感探测 [J].

李国林 ;

万常选 ;

边海容 ;

杨莉 ;

钟敏娟 .

计算机研究与发展, 2011, 48(S3) (S3) :54-59

[2] 文本意见挖掘综述 [J].

姚天昉 ;

程希文 ;

徐飞玉 ;

汉思乌思克尔特 ;

王睿 .

中文信息学报, 2008, (03) :71-80

[3] 基于语义理解的文本倾向性识别机制 [J].

徐琳宏 ;

林鸿飞 ;

杨志豪 .

中文信息学报, 2007, (01) :96-100

[4] 基于HowNet的词汇语义倾向计算 [J].

朱嫣岚 ;

闵锦 ;

周雅倩 ;

黄萱菁 ;

吴立德 .

中文信息学报, 2006, (01) :14-20

[5]

An empirical study of sentiment analysis for chinese documents[J] . Songbo Tan,Jin Zhang.Expert Systems With Applications . 2007 (4)

[6]

Giving Content to Investor Sentiment: The Role of Media in the Stock Market[J] . PAUL C. TETLOCK.The Journal of Finance . 2007 (3)

[7]

Seeing stars when there aren’’ t many stars: Graph-based semi-supervised learning for sentiment categorization. Andrew Goldberg,Xiaojin Zhu. Proceedings of HLT-NAACL 2006 Workshop on Textgraphs: Graph-based Algorithms for Natural Language Processing . 2006

[8]

Sentiment polarity identification in financial news: A cohesion-basedapproach. Devitt A,Ahmad K. ACL . 2007

← 1 →