基于深度学习的领域情感词典自动构建——以金融领域为例

摘要：

[目的]为特定领域情感分析任务构建一个适用的情感词典.[方法]以金融领域为例,结合语料库和知识库的特点,提出一种全新的构建情感词典的方法:利用词向量方法将文本信息映射到向量空间,借助已有的通用情感词典,自动标引训练语料,按照9:1的比例构建训练集和预测集.使用Python构建深度神经网络分类器,判断特定领域候选情感词的情感极性,构成情感词典.[结果]本文构建的神经网络分类器的训练集准确度为95.02％,预测集准确度为95.00％,同时证明了利用本文方法所构建的情感词典在金融领域中的表现优于其他已有方法.[局限]抽取种子词的方法需要进一步优化.[结论]本文方法解决了训练神经网络分类器中训练语料不足的问题,同时解决了词向量的语义相关性无法区分情感信息的问题.在构建面向特定领域情感词典上具有较好的表现,为该领域其他研究提供参考依据.

关键词：情感词典、深度学习、金融领域、词向量、神经网络

所属期刊栏目：2

分类号：G202;F832.5(信息与传播理论)

资助基金：国家自然科学基金项目“投资者有限关注与证券市场监管:基于大数据和计算实验的方法”71503130;国家自然科学基金项目“社会化影响下个体信息认知处理中的扭曲与偏见机制研究”71471089;国家社会科学基金重大项目“面向知识创新服务的数据科学理论与方法研究”项目16ZDA224的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：95-102