基于财经新闻的金融领域负面情感词典构建研究

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。