基于OCC模型和LSTM模型的财经微博文本情感分类研究

摘要：

为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM).基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比.实证研究结果发现本文提出的模型取得了89.45％的准确率,高于采用传统的机器学习方式的支持向量机方法(support vector ma-chine,SVM)和基于深度学习的半监督RAE方法(semi-supervised recursive auto encoder).

关键词：长短期记忆模型、OCC模型、财经微博、情感分类

所属期刊栏目：39

资助基金：国家自然科学基金项目"突发事件网民负面情感的模型检测研究";"社会化影响下个体信息认知处理中的扭曲与偏见机制研究";国家社会科学基金项目"基于社会网络分析的网络舆情主题发现研究"

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：81-89