基于THUCTC的金融语料情感分析模型优化

• 作者: 饶东宁 黄思宏
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 情感分析 文本分类 股价趋势预测 中文分词
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 综合研究
• 页码范围: 37-42
• 页数: 6页
• 分类号: TP181
• 字数: 5215字
• 语种: 中文
• DOI: 10.12052/gdutxb.180016

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	饶东宁	广东工业大学计算机学院	26	89	5.0	8.0
2	黄思宏	广东工业大学计算机学院	2	0	0.0	0.0