發(fā)布時(shí)間：2020-12-07 18:02

　　在互信息與左右熵識(shí)別新詞的基礎(chǔ)上,針對(duì)股票市場(chǎng)建立了金融情感詞典,提出結(jié)合粒子群閾值優(yōu)化改進(jìn)的貝葉斯算法,并對(duì)每條評(píng)論的情感傾向進(jìn)行自動(dòng)識(shí)別,從而完成對(duì)股票市場(chǎng)的分析.實(shí)驗(yàn)與多種預(yù)測(cè)方法進(jìn)行比較,基于情感詞典的改進(jìn)貝葉斯算法識(shí)別準(zhǔn)確率為90.6%,表明該方法能夠獲得較為理想的預(yù)測(cè)結(jié)果. 

【文章來(lái)源】：東北師大學(xué)報(bào)(自然科學(xué)版). 2020年03期 第105-110頁(yè) 北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖１分詞算法比較表２４個(gè)數(shù)據(jù)庫(kù)的新詞識(shí)別

情感數(shù)據(jù)挖掘的股票市場(chǎng)預(yù)測(cè)研究通過(guò)粒子群算法找出Ｓｓｅｎｔｉｍｅｎｔ的最佳閾值，以此閾值為界限，大于此閾值的視為積極情緒，標(biāo)記為１（Ｐｎｕｍｂｅｒ?yàn)榇笥诖碎撝档脑u(píng)論數(shù)目），小于此閾值的視為消極情緒，標(biāo)記為０（Ｎｎｕｍｂｅｒ?yàn)樾∮诖碎撝档脑u(píng)論數(shù)目），以歸一化的ψｄａｉｌｙ＿ｓｅｎｔｉｍｅｎｔ和實(shí)際的上證指數(shù)的價(jià)格變動(dòng)曲線（ψｐｒｉｃｅ＿ｃｈａｎｇｅ）為研究目標(biāo)，以灰色相關(guān)聯(lián)系數(shù)作為判定標(biāo)準(zhǔn)，經(jīng)過(guò)３００次迭代，如圖３所示，得出最佳閾值為０．５４６，此時(shí)灰自相關(guān)系數(shù)達(dá)到最大，為０．７２９，ψｄａｉｌｙ＿ｓｅｎｔｉｍｅｎｔ的計(jì)算公式為ψｄａｉｌｙ＿ｓｅｎｔｉｍｅｎｔ＝ＰｎｕｍｂｅｒＰｎｕｍｂｅｒ＋Ｎｎｕｍｂｅｒ．（１４）圖３計(jì)算的灰自相關(guān)系數(shù)４實(shí)驗(yàn)及其結(jié)果分析為驗(yàn)證經(jīng)過(guò)改進(jìn)貝葉斯的情感判別結(jié)果，實(shí)驗(yàn)使用準(zhǔn)確率、灰色相關(guān)系數(shù)、同斜率占天數(shù)比來(lái)評(píng)判實(shí)驗(yàn)結(jié)果．實(shí)驗(yàn)選取５０００條已人工標(biāo)注好情感極性的帖子（即積極記為１，消極記為０），其中４０００條作為實(shí)驗(yàn)樣本，１０００個(gè)作為測(cè)試樣本，同時(shí)使用ＫＮＮ、最大熵、ＳＶＭ等機(jī)器學(xué)習(xí)方法與實(shí)驗(yàn)改進(jìn)方法進(jìn)行比較．準(zhǔn)確率為ＭａｃｒｏＰ＝１Ｎ∑Ｎｉ＝１Ｐｒｅｃｉｓｉｏｎｉ．（１５）灰色相關(guān)系數(shù)為ξｉ（ｋ）＝ｍｉｎｓｍｉｎｔ｜ｘ０（ｔ）－ｘｓ（ｔ）｜＋ρｍａｘｓｍａｘｔ｜ｘ０－ｘｓ（ｔ）｜｜ｘ０（ｔ）－ｘｉ（ｔ）｜＋ρｍａｘｓｍａｘ

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘中并行離散化數(shù)據(jù)準(zhǔn)備優(yōu)化[J]. 劉云,袁浩恒.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[2]在線社交網(wǎng)絡(luò)信息有效分類傳播模型研究[J]. 楊林楓,黃賢英,劉小洋,劉超,劉萬(wàn)平.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]基于擴(kuò)展規(guī)則與統(tǒng)計(jì)特征的未登錄詞識(shí)別[J]. 曾浩,詹恩奇,鄭建彬,汪陽(yáng).  計(jì)算機(jī)應(yīng)用研究. 2019(09)
[4]基于文本信息的股票指數(shù)預(yù)測(cè)[J]. 董理,王中卿,熊德意.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[5]基于中文股票博客的情感分類[J]. 李亞珍,李曉戈,于根.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2015(02)
[6]基于情感分析技術(shù)的股票研究報(bào)告分類[J]. 彭敏,汪清,黃濟(jì)民,周李,胡鑫匯.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2015(02)
[7]自然語(yǔ)言理解在Web數(shù)據(jù)挖掘中的應(yīng)用[J]. 蔡霞,張森.  計(jì)算機(jī)工程與設(shè)計(jì). 2003(11)

博士論文
[1]樸素貝葉斯分類器及其改進(jìn)算法研究[D]. 蔣良孝.中國(guó)地質(zhì)大學(xué) 2009

碩士論文
[1]針對(duì)文本情感分類的特征生成方法研究[D]. 周哲.南京大學(xué) 2016
[2]基于雪球網(wǎng)的股市波動(dòng)數(shù)據(jù)分析與預(yù)測(cè)[D]. 王迪.北京郵電大學(xué) 2017
[3]基于領(lǐng)域特殊性和統(tǒng)計(jì)語(yǔ)言知識(shí)的新詞抽取方法[D]. 梅莉莉.北京理工大學(xué) 2016
[4]基于微博輿情的股票高頻交易分析技術(shù)研究與實(shí)現(xiàn)[D]. 陳亮.復(fù)旦大學(xué) 2014



本文編號(hào)：2903679