-
题名基于财经新闻的金融领域负面情感词典构建研究
- 1
-
-
作者
赵又霖
林怡妮
孙虹
程丽洁
徐竟楠
陆颖隽
-
机构
南京大学信息管理学院
河海大学商学院
武汉大学信息管理学院
-
出处
《信息系统学报》
2024年第2期21-39,共19页
-
基金
江苏省社科基金青年项目“社会感知数据驱动下的公共卫生事件时空演化研判机制研究”(20TQC001)
中国博士后科学基金特别资助“面向应急管理的时空数据语义模型构建及创新应用机理研究”(2021T140311)
+1 种基金
中国博士后科学基金面上项目“环境污染突发事件的时空数据挖掘及协同治理机制研究”(2019M650108)
中央高校基本科研业务费项目“科技创新团队技术多元化对专利颠覆性的影响研究”(项目编号:B230207061)。
-
文摘
金融领域的情感倾向具有其领域特有性,通用情感词典无法准确判断其情感倾向。本文以道琼斯工业平均指数排名前30的公司的实时新闻信息为研究对象,设置人工标注规则,采用多种机器学习算法对已标注数据集进行训练,使用特征选择算法抽取特征词语作为负面情感词语,从而构建金融领域负面情感词典。本文以McDonald Financial Dictionary(麦当劳金融词典)为目标情感词典,通过直接和间接评测两种方式验证其准确性。研究结果表明:本文通过实验获得金融领域603个负面的领域情感词,其领域负面情感词典的覆盖率为82.5%,且对金融领域新闻信息情感识别的准确率达到92.8%,能够显著提高金融领域负面情感倾向分析的准确率。
-
关键词
负面情感词典
财经新闻
特征词语
直接评测
间接评测
-
Keywords
Negative emotion dictionary
Financial news
Characteristic words
Direct evaluation
Indirectevaluation
-
分类号
F832.5
[经济管理—金融学]
-