基于文本挖掘的文本情绪分类

《基于文本挖掘的文本情绪分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、、＇乃；、、？、，一Ｖ．－、—二－＂＇？ｔ－ｒＳ？．－ｒｆ又．／：分类号密汲ＵＤＣ学校代码＾；＇—；￣：－＇＇；．气产＇觀云寺若办ｆｉ４４考产＞＃／．．這為．、一＇：．－－．ｉＮ：ｉＴｖｒｉ－參、；Ｕ．ｖ４＼ｉｗｖＦＢ＂ｗｎ、＾Ｎ；ｎｔｍｖｍ、Ｘ＇：ｙＬｐ＂ｃｓ＇Ｖｖ．Ｖ，．＇？．．＇．、－＇、、？．．、．ｖｃ＼Ａ节Ｖ：成，餐．，护、＇．：．公繁转适．藏慧薦，苗心乃，讓妒如囊誦＂、＂－躬终緩為等气為心棘

2、紋读ｔ气－满晦．一：＂、＇－心＇．帮於售邏＇課方学术硕±硏究生学位论文－端沪補麵、？．．＇．＇；／＇；户’成价．．ｆＶ－ｖ—．：．、＇＇彌＇－＇■．；，．．、／私；礙—ＶＭ‘、＇＇＇＾－／．貧黎．．．苗．礙＝基于文本挖擺的文本情绪分类１ｉ峡苦；ｇ＇’—、；—＇＇－＇．苦－？療％，．齊、為．；纔、＇．＇、，■、产心：皆：礙苟巧已．＇—学院：统计与数学学晓（部、所）：琴袁每、＇巧？、資：统计学（巧经济学学化）交专业已繁

3、，＾－向苗研究方：金巧大数搪＿：‘：Ａ；，，心ｒ所；；姓名：徐音创；；品．、点．二：或、：石教授导师巧著声＇一－－：；－＇、‘—．＇、＾Ｖ：／．＇一＇＇＇＇－－－．，：、一＊山＞＇＇＇—骇於片‘一＇皆．式、？＂＇凉＇．．一＇＇＇＇．－］—－、＇＇？－．ｖ＇靴、二，二＼＾詔石式心”占Ｖ心卓苦巧￣户止２０１５５２０６５论文：１月起时间年月年六‘＇４．＇Ｖ乂：一；橡立．－－；．．＇．．：契＿；幾耗！壽載－＇‘？．＇．方遍

4、瑪巧；＇．，叮．Ｖ／—．．－．．三攻抗．聲说挤語说分，知，Ｍ‘心心＾；气怒巧Ｊ兴货城焉纏麵诚哨為祭摘要摘要随着信息技术的进步，人们生活中出现了大量的、甚至海量的数据，其中蕴含着大量的价值，这就是“大数据”。金融行业与互联网技术的迅速发展产生的大量的互联网上的与金融相关的一种金融大数据：互联网中储存的金融文本数据。通过对这些类型的数据进行分析，提取其中的价值，是大势所趋。对于文本数据进行分析，文本挖掘技术是行之有效的方法。文本挖掘包括文本数据收集、文本信息提取、文本数据建模等多方面的研究内

5、容，本文基于文本挖掘中的文本分类方法对一组实际中常出现的“股吧”评论、帖子文本数据进行情绪分类。对于“股吧”文本数据的分析，本文使用从非结构化数据向结构化数据转化而进行建模的思路，首先说明如何得到一组与"股吧"信息一一对应的文本特征数据，并基于此数据进行分类建模。对于文本特征数据的建模，本文基于“数据驱动”的建模方式，即从“股吧”文本数据进行特征提取之后的文本特征数据集出发，通过交叉验证，寻找合适的分类模型进行建模，并提出了基于交叉验证结果的非参数统计的检验方法，科学的对这些模型的泛化能力进行评价，并从中

6、选择合适的、泛化能力稳健的模型对文本特征数据进行分类，从而完成对“股吧”文本数据进行分类。其中，本文提出了一种基于两分类模型的多重多折的交叉研究结果，使用适用于成对数据检验的非参数检验方法检验两模型建模效果的差异，提出了稳健的两模型泛化能力的比较方法。这也是本文的创新之处。本文在第一章的引言部分五节内容说明研究背景、研究问题、研究内容以及研究意义；其次，本文提出建模思路以及介绍、说明研究过程中使用的分类模型理论、降维理论、不平衡分类数据建模理论、多重多折的交叉验证理论以及非参数假设检验理论；再次，本文通过

7、对一组实际的“股吧”文本特征数据进行建模分析，并得出结论；最后，说明本文的研究结论与不足之处，以及展望了今后的研究方向。关键词：文本分类；文本特征；不平衡分类数据；降维；交叉验证；非参数假设检验IABSTRACTABSTRACTWiththeprogressofinformationtechnology,themassofdatahaveappearedintheworld,whichisBigknownasbigdata.Bigdatacontainsalargenumberofvalue.Financ

8、ialindustryandtherapiddevelopmentofinternettechnologyproducealargenumberoffinancialrelateddataontheinternet:thefinancialtextdatastoredintheinternet.Throughtheanalysisofthesetypesofdatatoextractthevalueisthetrendofth