J o u r n a l o f C o mp u t e r Ap p l i c a t i o n s
I S S N 1 0 o 1 . 9 0 8 1
2 01 4. 0 2—1 0
计算机应用, 2 0 1 4, 3 4 ( 2 1: 4 8 1— 4 8 5, 4 9 5 文章编号: 1 0 0 1 - 9 0 8 1 ( 2 0 1 4 ) 0 2 . 0 4 8 1— 0 5
C 0DE N J YI I DU
h t t p:// w w w . j o c a . c n
d o i: 1 0 . 1 1 7 7 2/ j . i s s n . 1 0 0 1— 9 0 8 1 . 2 0 1 4 . 0 2 . 48 0 1
基于语义规则的 We b金融文本情感分析 吴江,唐常杰 ,李太勇 ,崔亮 ( 1 .西南财经大学经济信息工程学院,成都 6 1 0 0 7 4; 2 .四川大学计算机学院,成都 6 1 0 0 6 4; 3 .西南财经大学统计学院,成都 6 1 0 0 7 4 )
( 通信作者电子邮箱 w u j t@s w u f e . e d u . c n )
摘
要:为有效提高非结构化 We b金融文本情感倾向和强度分析的精度,提出了基于语义规则的 We b金融文本
情感分析算法( S A F T - S R)。该算法基于 A p i f o i算法对金融文本进行属性抽取, f构建金融情感词典和语义规则识别情感单元及强度,进而得到文本的情感倾向和强度。实验结果表明,与K u提出的算法相比,在情感倾向分类方面,算法 S A F T - S R情感分类性能良好,提高了分类器的 F值、查全率和查准率;在情感强度计算方面,算法 S A F T— S R的误差更小,更接近真实评分,证明了 S A F T— S R是一种有效的金融文本情感分析算法。 关键词: We b金融文本;情感词典;语义规则;情感分析;情感倾向 中图分类号: T P 3 9 1 文献标志码: A
S e n i t me n t a n a l y s i s o n We b f i n a n c i a l t e x t b a s e d o n s e ma n i t c r u l e s
WU J i a n g,T A N G C h a n g j i e ,L I T a i y o n g ,C U I L i a n g ( 1 . S c h o o l o fE c o n o m i c I n f o r ma t i o n E n g i n e e r i n g,S o u t h w
e s t e r n U n i v e r s i t y o fF i n a n c e a n d E c o omi n c s,C h e n g d u S i c h u a n 6 1 0 0 7 4,C h i n a; 2 . C o l l e g e f o C o m p u t e r S c i e ce n,S i c h u a n U n i v e r s i t y,C h e n g d u S i c h u a n 6 1 0 0 6 4,C h i n a; 3 . S c h o o l f o S t a t i s t i c s,S o u t h w e s t e r n U n i er v s o f in F a ce n a n d E c o n o m i c s,C h e n g d u S i c h u a n 6 1 0 0 7 4,C h i n a ) Ab s t r a c t:I n o r d e r t o e f f e c t i v e l y i mp r o v e t h e a c c u r a c y o f s e n t i me n t o ie r n t a t i o n a n d i n t e n s i t y a n a l y s i s o f u n s t r u c t u r e d We b
i f n a n c i a l t e x t,a s e n t i m e n t a n a l y t i c l a l a g o i r t h m f o r We b i f n a n c i l a t e x t b a s e d o n s e m a n t i c r u l e( S A F T— S R )w a s p r o p o s e d .T h e lg a o i r t h m e x t r a c t e d f e a t u r e s f o i f n a n c i l a t e x t b a s e d o n Ap i r o i r,c o n s t uc r t e d i f n a n c i a l s e n t i me n t l e x i c o n a n d s e ma n t i c ul r e s t o r e c o g n i z e s e n t i me n t u n i t a n d i n t e n s i t y,a n d f i g u r e d o u t t h e s e n t i me n t o i r e n t a t i o n a n d i n t e n s i t y o f t e x t .T h e e x p e ime r n t a l r e s u l t s d e mo n s t r a t e t h a t
S AF T— S R i s a p r o mi s i n g lg a o it r h m f o r s e n t i me n t a n ly a s i s o n i f n a n c i l a t e x t .C o mp a r e d wi t h K u’ S a l g o r i t h m,i n s e n t i me n t o i r e n t a t i o n c l a s s i i f c a t i o n, S AF T— S R h a s b e t t e r c l a s s i f i c a t i o n p e r f o r ma n c e nd a i n c r e a s e s F - me a s u r e,r e c a l l a n d p r e c i s i o n;i n s e n t i me n t i n t e n s i t y a n a l y s i s,S AF I"一 S R r e d u c e s e r r o r a n d i s c l o s e r t o e x p e r t ma r k . Ke y wo r d s:W e b in f a n c i a l t e x t;s e n t i me n t l e x i c o n;s e ma n t i c ul r e;s e n t i me n t a n a l y s i s;s e n t i me n t o ie r n t a t i o n
0 引言 截至 2 0 1 2年末,我国已拥有超过 2 4 9 4家 A股上市公司, 然而随着全球金融市场的动荡,股票市场管理与优化及企业
盖性等特点,不仅为财务危机预测研究提供了新的机遇,也为投资者情感分析提供了廉价且丰富的数据来源。由于 We b 金融信息是非结构化的文本信息,并具有领域知识,因此,如何对其进行深入挖掘,发现其中的情感倾向和强度,对文本挖 掘提出了新的挑战。 本文基于语义规则,对 We b金融文本进行情感分析,挖
财务危机预测成为研究的热点。目前,大部分企业财务危机预测研究是基于财务报表数据来建立金融危机预测模型,但财务报表有以下缺点…: 1 )报表人为操作性强; 2 )基于静态数据,忽略了企业财务比率的时间序列特点; 3 )实效性较差; 4 )未考虑财务比率的历史累积值对现时的影响。因此,单纯 利用财务报表进行判断,势必会造成预测结果的偏差。 财务报表和金融数据的局限性,使得人们寻求从其他角
掘投资者的情感倾向和强度,并对投资者情感强度变化与股票市场之间的联动关系展开分析,可以为企业财务危机预测和股票市场管理与优化提供新的思路与选择。
1 相关工作 文本情感分析就是对带有情感色彩的词语、句子以及文本进行分析、处理、归纳和处置的过程 J。文本情感分析可
度着手于股票市场管理和企业财务危机的预测和研究。随着 I n t e me t的高速发展, We b信息量得到了前所未有的增长,公众在互联网上发布自己对企业的看法已司空见惯,普通投资者的情感倾向是联系投资者与股票市场、上市公司的桥梁, We b新闻或论坛对上市企业的评论可以直接反映出公众对 该企业的看法。We b金融信息所具有的实时性、全面性和覆 收稿日期: 2 0 1 3— 0 8 - 2 2;修回日期: 2 0 1 3 - l 0— 2 3。
分为基于机器学习的分类方法和基于语义分析的方法两大 类。运用机器学习的方法进行文本分类,先人工标注一些文
本的情感倾向,作为训练语料,然后通过训练得到一个分类器,最后将测试语料用已训练好的分类器进行分类测试,得到
基金项目:教育部人文社会科学研究青年基金资助项目( 1 1 Y J C Z H 0 8 4 );贵州省自然科
学基金资助项目(黔科合 J字L K G[ 2 0 1 3] 4 5 );西南财经大学“ 2 1 1工程”三期青年教师成长项目( 2 0 1 1 Q N 2 0 1 1 0 5 0 )。 作者简介:吴江 ( 1 9 8 0一),男,浙江衢州人,副教授,博士,主要研究方向:数据库、知识工程; 唐常杰 ( 1 9 4 6一 ),男,重庆人,教授,博士生导师,主要研究方向:数据库、知识工程;李太勇( 1 9 7 9一 ),男,四川安岳人,副教授,博士,主要研究方向:数据挖掘; 崔亮 ( 1 9 8 1一),男,山东潍坊人,博士,主要研究方向:金融统计。

本文基于语义规则, 对 Web 金融文本进行情感分析, 挖 掘投资者的情感倾向和强度, 并对投资者情感强度变化与股 票市场之间的联动关系展开分析, 可以为企业财务...
其中将情感极性判别的方法分为基于情感词汇语义特性的识别和基于统计自 关键词 Web 文本 情感分类 综述 主观性文本 LiteratureReviewofSentimentClassificationonWebText...
技术研究文本语义分析与标注的基本思 想是: 首先将选好的 Web 文本集进行预...在基于新矩阵的基础上,实施关联 规则挖掘方法,发现具有强关联的特征项,运用概率...
因此,如何从这些 Web 文本中进行情感挖掘,获取情感 ...情感分析的技术主要包括基于机器学习法和基于语义方法...学习中的经典分类方法与规则方 法相结合, 通过支持...
其中将情感极性判别的方法分为基于情感词汇语义 特性的识别和基于统计自然语言处理...text 随着互联网的流行,Web 文本成为我们获取信息、发表观点和交流情感的重 要...
一种基于语素分数的Web金融证券域文本情 感探测方法. 1 相关工作情感倾向性分析的研究从已有的文献来看,主 2基于语素的文本情感分析2.1 总体框架 Web上的金融...
和语义门户等.从这些领域当前面临的困难 和挑战出发,分析和论述了语义Web技术在...Ⅺ帆包含了大量的自解释型的标记文本,每个标记文本又由若干条规则组成,这些规则...
分类, 用于定义对象的类别及其之间的关系;推理规则,则提供进一步的功能,完成语义... 基于Web语义挖掘的产品功... 暂无评价 4页 2.00 基于文本层次模型的Web...
文本情感倾向分析的任务定义WEB时代,大量信息通过电子...词汇倾向性计算的方法:基于语义相似度的方法和基 于...Wu在其论文【9】中,介绍了基于语言学规则的情感...
Web 2. 0 技术出现后, 越 1 1. 1 不同粒度的中文文本情感分析 来越多的...李实等人 根据中文语言的特点, 借鉴关联规则对英文 通过构建中文短语提取模式, ...
热门文档