基于双重注意力机制下LSTM的投资者文本情绪度量方法

得益于互联网的快速发展和数据收集技术的进步,社交网络文本为投资者文本情绪的度量提供了新渠道。目前,关于文本情绪分析的研究主要基于单个文本,而基于单位时间内多文本和多用户相融合的研究较少。文章将多文本信息、用户社交信息与情绪时间序列相结合,提出时间和用户双重注意力机制下长短期记忆网络(LSTM)模型,对投资者文本情绪度量指标进行分类和预测。采用该模型对来自东方财富网行业吧的真实数据进行实证分析,并同词汇分类字典法和时间注意力机制下的LSTM进行比较,证明了所提模型的有效性。