今有从百度新闻中爬取的3万多条上市公司新闻标题数据，且每条新闻均标注了情感（消极、中性、消极），同时有1千多条待分类的新闻标题。试构建支持向量机模型，利用已经标注好的新闻标题数据进行训练，同时对待分类的新闻标题进行分类

好的，您的问题是如何构建支持向量机模型进行分类，对吧？

首先，您需要将每个新闻标题转换为数值特征向量。这可以通过使用一种文本表示方法（如词袋模型或 TF-IDF）来实现。您可以使用 Python 中的 Scikit-learn 库来完成这个任务。

接下来，您需要将数据集分为训练集和测试集。训练集用于训练模型，测试集用于评估模型的性能。

然后，您可以使用 Scikit-learn 的 SVM 实现来训练模型。您可以尝试不同的 SVM 内核函数（如线性核，多项式核或径向基核函数）以及不同的超参数（如正则化参数 C 或核函数的带宽 gamma）来优化模型的性能。

最后，您可以使用训练好的模型对待分类的新闻标题进行分类。对于测试集，您可以计算模型的准确率，召回率和 F1 分数等指标来评估模型的性能。

希望这些对您有所帮助！