基于BERT的金融文本情感分析模型

摘要：

在金融领域,越来越多的投资者选择在互联网平台上发表自己的见解.这些评论文本作为舆情的载体,可以充分反映投资者情绪,影响投资决策和市场走势.情感分析作为自然语言处理(natural language processing,NLP)中重要的分支,为分析海量的金融文本情感类型提供了有效的研究手段.由于特定领域文本的专业性和大标签数据集的不适用性,金融文本的情感分析是对传统情感分析模型的巨大挑战,传统模型在准确率与召回率上表现较差.为了克服这些挑战,针对金融文本的情感分析任务,从词表示模型出发,提出了基于金融领域的全词覆盖与特征增强的 BERT(bidirectional encoder representations from Transformers)预处理模型.

关键词：情感分析、词嵌入向量、BERT、词性特征、命名实体识别

所属期刊栏目：29

分类号：TP391.1(计算技术、计算机技术)

资助基金：上海市科委基金资助项目19511105503

在线出版日期：2023-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：118-128