基于THUCTC的金融语料情感分析模型优化.PDF

第 35 卷 第 3 期 广东工业大学学报 Vol. 35 No. 3 2018 年 5 月 Journal of Guangdong University of Technology May 2018 doi: 10.12052/gdutxb.180016 基于THUCTC的金融语料情感分析模型优化 饶东宁，黄思宏 （广东工业大学　计算机学院，广东　广州 510006 ） 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. 关键词: 情感分析；文本分类；股价趋势预测；中文分词 中图分类号: TP181 文献标志码: A 文章编号: 1007–7162(2018)03–0037–06 Model Optimization of Financial Corpus Sentiment Analysis Based on THUCTC Rao Dong-ning, Huang Si-hong (School of Computers, Guangdong University of Technology, Guangzhou 510006, China) Abstract: Sentiment analysis has attracted interest recently. In financial applications, it can be a reference for investors. However, existing approaches are either so specific as to cause data drift or too general to be precise. Therefore, a general Chinese text classifier for online reviews and news on stocks is optimized. A corpus with 20000 items is first collected. Then, each item is labeled by three persons