金融微博细粒度情感分析研究与应用

《金融微博细粒度情感分析研究与应用》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、硕士学位论文金融微博细粒度情感分析研究与应用作者姓名吴雁学科专业计算机科学与技术指导教师李拥军教授所在学院计算机科学与工程学院论文提交日期2018年4月StudyandApplicationonFine-grainedSentimentAnalysisofFinancialMicroblogADissertationSubmittedfortheDegreeofMasterCandidate：WuyanSupervisor：Prof.LiYongjunSouthChinaUniversityofTechnologyGuangzhou,Chi

2、na分类号：TP3学校代号：10561学号：201520130929华南理工大学硕士学位论文金融微博细粒度情感分析研究与应用作者姓名：吴雁指导教师姓名、职称：李拥军教授申请学位级别：工学硕士学科专业名称：计算机科学与技术研究方向：数据挖掘论文提交日期：2018年4月20日论文答辩日期：2018年5月31日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：齐德昱委员：李拥军沃焱周杰梅登华华南理工大学学位论文原创性声明立进行研究所本人郑重声明：所呈交的论文是本人在导师的指导下独取得的研究成果。除了文中特别加以标注引

3、用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：Ｉ曰期：７０泌年／月莎闩ｋＷ学位论文版权使用授权书，即：研本学位论文作者完全了解学校有关保留、使用学位论文的规定究生在校攻读学位期间论文工作的知识产权单僮属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论）文被查阅（除在保密期内的保密论文外；学校可以公布学位论文的全部或。、缩印或

4、其它复制手段保存、汇编学位论文部分内容，可以允许采用影印一本人电子文档的内容和纸质论文的内容相致。本学位论文属于：□保密。，在年解密后适用本授权书囱不保密同意在校园网上发布，供校内师生和与学校有共享协议，的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库》，传播学位论文的全部或部分内容。“”（请在以上相应方框内打Ｖ）作者签名：曰期：＾：日期：、ｘ指导教师签名ｆ％设１：电子邮箱：作者联系电话：邮编）系地址（含联摘要文本情感分析

5、已经成为自然语言处理领域的研究热点，目前该领域的研究主要集中在电影评价、商品评论和社会舆情等方面，而在金融领域的研究较少。鉴于此，本文提出一种金融微博细粒度情感分析算法，并将情感分析结果应用于股票指数预测模型，通过探究投资者情感与上证综合指数之间的相关性提升模型预测的准确率，为投资者决策提供依据。研究工作分多步完成：首先，设计并实现爬虫系统收集2017/2/27到2017/7/31期间大盘相关微博信息共91万余条，确保研究对象的准确性；其次，将情感细分为好、恶、怒、惧和无情感5类，并提出基于平均余弦相似性的领域情感词典自动构建算法，该算法解

6、决了部分新增情感词余弦值较高但语义却相反的问题，提高了领域情感词典的准确度；然后，根据金融微博情感表达特点提出基于规则和机器学习的细粒度情感分析算法，该算法通过融合先验情感特征和统计规律情感特征使得细粒度情感分析的宏F-measure值提高至70.2%，相较基于情感词典和规则的情感分析算法提高15%；最后，将上述研究成果应用于上证综合指数预测，实验结果显示综合考虑收盘价格和“怒”情感指数的支持向量机模型对股票指数走势预测效果最好，涨跌预测准确率为80.95%，平均绝对百分比误差为0.51%，相较仅考虑收盘价格的模型涨跌预测准确率提高33.3

7、4%。本文研究结果表明针对金融领域的情感分析具有现实意义，提出的基于金融微博细粒度情感分析的股票指数走势预测模型具有一定的参考价值。关键字：情感分析；特征融合；机器学习；股票预测IAbstractTextsentimentanalysishasbecomearesearchhotspotinNaturalLanguageProcessing,however,researchesfocusonfinancialdomainmuchlessthanwhichfocusonmovierating,productreviewsandpublicop

8、inions.Inthisdissertation,weintroduceafine-grainedsentimentanalysisalgorithmforfinancialm