基于THUCTC的金融语料情感分析模型优化

摘要：

近几年, 情感分析技术引起人们的兴趣, 在金融应用上, 可以作为投资者投资前的参考. 但是现有方法存在应用过于专一、数据偏差、结果过于笼统和不够精确的问题. 因此本文优化一个通用的中文文本分类器, 用于对在线评论数据和股票新闻数据进行情感分析. 收集整理了2万条数据作为语料库, 每条数据分别由3个人进行独立标注. 之后对THUCTC进行优化, 具体从3个方面对中文文本分类器进行优化, 首先是词语切分, 使用词干词典方法结合不同的分词法, 实验比较后得到二分法为最好的结果; 其次, 为分类器选择最好的内核, 发现Liblinear内核对即时性要求较高的投资人更好, 另一方面Libsvm在提高准确率方面更有优势; 最后在金融导向的情绪字典方面, 它由Chi-square和TF-IDF方法构建, 可用在普通文本分类器上. 通过这种方式, 本文的结果可以被推广且不会失去准确性.

关键词：情感分析、文本分类、股价趋势预测、中文分词

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：广东省自然科学基金资助项目2016A030313084,2016A030313700

在线出版日期：2018-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42