融合社交情感分析的股市预测探究

针对现有股市预测研究中所存在的大众情感度量不够全面的问题,提出了一种基于社交情感分析的股市预测模型.该模型首先基于异构图模型的证券情感量化方法对社交媒介的数据进行情感分析,得到量化的情感时间序列;然后,基于自组织神经网络模型对情感序列及行情指数序列进行建模,从而对股票指数进行预测.在国内社交媒介及股市行情数据集上的实验结果表明,本文所建立的模型在预测误差和精度上较BP(Back Propagation)神经网络分别提升了15%和12%,能更好地预测股票指数.

社交文本情感分析技术在大学生心理健康评估中的应用

社交媒体是大学生表达情感态度的重要渠道,其文本中所蕴含的情感信息也为大学生心理健康评估提供了数据支持。文章从自然语言处理技术的角度,梳理了社交文本情感分析技术在大学生心理健康中的研究现状及主要流程,包括数据采集、数据预处理以及模型建构,总结了该研究的国内外应用进展,并从优化心理服务过程和完善资源管理体系两方面厘清技术应用的实施路径,以期为高校智能化心理健康评估提供参考。

基于跨模态Transformer的多模态细粒度情感分析方法研究

多模态细粒度情感分析任务要求根据文本以及对应的图片信息,判断文本中每个观点实体的情感倾向。目前基于文本的细粒度情感分析模型无法对多模态数据进行建模,因此论文针对多模态细粒度情感分析任务,提出了一种基于跨模态Transformer的层次化神经网络模型。该模型利用从预训练模型中抽取出的文本以及图片特征,通过调整跨模态Transformer的输入来建模文本和图像之间的信息交互,从而达到利用图片信息来辅助文本信息进行情感分析的目的。论文在两个真实的多模态社交媒体数据集上开展了实验,并与其他方法展开对比,验证了论文提出的方法的有效性。