基于股票评论的句子级情感分析方法研究

• 作 者: 卢琰琰
• 出 处: 哈尔滨工业大学
• 发表日期: 2017年期
• 关键词: 股票评论 情感分析 机器学习 依存句法

随着网络的普及,网民的增多,社会上各种消息会第一时间在互联网中传播。关于证券、股票方面的信息,其传播速度更快,影响力更大。许多人在进行投资决策前会先去网上查找自己所关心股票的消息,但是面对不停增加的海量信息,想要从中快速获取所关心的信息,只通过不停地打开网页,人工进行浏览筛选耗时又耗力。因此如果能有一个情感分析工具来快速地获得股评的情感倾向,这将给股民、专家、公司等带来极大的便利。本文结合金融领域文本的特点,通过对比研究各种方法,找到合适的情感分析算法,进而更快速地获取准确有用的信息。本文基于情感分析以及情感信息抽取技术,对股票评论进行句子级情感分析方法研究。通过对股评文本进行分析,可将其分为包含单支股票和多支股票两种情况,前者中股票的情感倾向可直接对句子进行分析得到,后者则需识别出每一支股票名称与其对应的评价词,然后再进行情感分析。针对包含单支股票的评论,分别对股票的短期和中长期情况进行研究,首先对数据进行清洗、标注等预处理,其次利用SVM、KNN、贝叶斯等机器学习方法,在不同的特征项维度、特征权重选取方法下进行比较,得到在特征维数为300,基于改进的特征权重选取方法时,SVM方法是表现效果较好的;针对包含多支股票的评论,同样先对数据进行预处理,其次利用基于关键词抽取的方法和基于依存句法制定规则的方法,抽取出评价单元,即股票名称及其对应的评价词,利用效果较好的SVM以及基于情感词典的方法对评价单元进行情感分类,最后得到基于依存句法制定的规则能更好地识别股评中的评价单元,除此之外利用情感词典对评价单元进行情感分析得到的分类效果是相对来说较好的。