如何测度央行行长的口头沟通信息——一种基于监督学习的文本分析方法

本文以2003年1月至2018年8月中国央行行长所有口头沟通内容为文本基础,生成央行行长沟通这一特定领域的专用词典,进而使用短语数量加权的方法分别构造货币政策沟通指数和经济形势沟通指数。其中,货币政策沟通指数与实际基准利率和存款准备金率的变动具有高度相关性,而经济形势沟通指数可以作为经济基本面的信号器。进一步,本文基于监督学习方法,通过训练子样本词典得到具有倾向的短语及其概率分布,利用文本分类器对新的沟通文本进行自动分类,最终对新样本进行指数计算。子样本的监督学习与全样本信息具有一致的结果,表明本文的央行行长口头沟通测度具有可复制性和可延展性。

基于修辞结构理论的文本结构自动分析

自然语言处理的最终目的是实现机器对自然语言的理解,要实现这一目的,必须对文本在结构上进行分析,而连词在语篇结构中起着至关重要的作用。因此,本文基于本体论和修辞结构理论设计了一种连词词典,并基于该词典设计了修辞结构分析算法,用于对中文语篇进行修辞结构的分析。

基于中文微博的情绪分类与预测算法

为解决中文网络短文本情感多分类及预测问题,提出基于微博数据的针对微博上某一领域的人表达的情感进行多分类以及预测的算法。通过对微博数据特点的研究分析提出了一种基于词典的权重规则算法,构建了微博情绪分析词典,识别微博所表达的5种情感极性:过度积极、轻微积极、中性、轻微消极、过度消极;提出了一种基于监督学习的分类方法对微博的情感极性进行分类预测,提取文本特征构建特征向量等对5种监督学习分类方法进行分析与讨论,实验分析结果准确率达到79. 9%。实验分析表明,与基于词典的权重规则算法相比,在微博细致情绪多分类类别识别中,基于监督学习的情绪分类预测方法能够有效提高短文本分类预测的准确率。

The Verbs of Motion“Ba” （come） and “Hevi” （bring）in Dictionaries of Contemporary Hebrew

We focused in this study on two verbs of motion ba （come） and hevi （bring） used in contemporary Hebrew pointing to a number of semantic shifts occurring in each of them and to categorical shifts that occurred in the verb ha. We conducted a semantic and syntactic analysis of these shifts in which we observed： a change in the syntactic valuation of ba and hevi, the semantic characteristic of the nominal collocations which form their syntactic setting, and the semantic connection between their original and new meanings. The article starts out with a presentation of the original meanings of the two verbs as belonging to the family of concrete verbs of motion. It then presents the semantic shifts each undergoing from designating motion to designating giving, existing, and modality （capability, intent and aspect） and concludes with the categorical shift of the verb ba to impersonal （ロ＂λ∏） and to discourse marker. It is noteworthy that in each of the shifts observed we noticed relation between the meaning stemming from the shift and the original meaning of ba and hevi as verbs of motion. We were able to prove that the original meaning is still echoed both in the semantic and category categorical shifts.

基于自动标引的自然语言检索方法研究

自从自然语言进入计算机检索系统以来,就因其不受不同职业、不同知识背景、不同检索经验的影响等特点受到终端用户的青睐。由于中文文献的标题是中文文献内容的集中体现,它反映了文献的中心思想。本文介绍的自然语言检索方法,限定在文献标题层面进行主题标引。该方法的基本思想是用自动标引方法分别对检索系统中数据库的文献标题和用于检索的自然语言进行自动赋词标引,对给定的关键词进行概念控制,即词义转换,形成最终标引词;然后,用向量空间模型对数据库的索引数据进行"或"运算检索,形成命中文献集合B,对B集合中的每篇文献标题再进行自动标引,形成的标引词与用于检索的自然语言标引词进行相似度计算,根据B集合中的每篇文献的相似度进行排序,把最符合检索要求的文献最先呈现给用户。此方法是一种简便、实用的自然语言检索方法。

宏观审慎监管口头沟通与系统性风险

良好的宏观审慎监管口头沟通有助于引导市场主体预期,防范系统性金融风险。在中国不断加强宏观审慎监管口头沟通的背景下,文章对2009年4月至2019年12月的宏观审慎监管口头沟通内容进行语料处理,生成计算词典,计算每次口头沟通事件态度的得分,进而构建宏观审慎监管口头沟通指数,并分析口头沟通指数与金融机构关联度指数的关系。研究表明:监管当局会针对系统性金融风险的变化进行口头沟通,银行、证券、保险和信托四部门关联度指数的变化均会影响宏观审慎监管口头沟通;宏观审慎监管口头沟通可以降低系统性金融风险,但发挥作用的时滞为半年,其主要影响银行业被传染指数和保险业传染指数,并且偶尔会出现沟通失灵。进一步地,本文基于监督学习方法,通过训练子样本词典得到具有倾向的短语及其概率分布,利用文本分类器对新的沟通文本进行自动分类,并计算新样本的指数,结果表明不同样本的指数结果较为一致,说明本文的宏观审慎监管口头沟通量化方法具有可复制性和可延展性。