利用新闻情绪改善金融领域微博客情感分析

"常庭瑄1的文献参考主要探讨了两个与金融领域情绪分析相关的文章。文章关注如何利用新闻情绪来提升对社交媒体上金融情绪的分类，并介绍了利用支持向量机（SVM）进行情绪预测的研究。" 第一篇文章由Tobias Daudert, Paul Buitelaar, Sapna Negi撰写，名为《利用新闻情绪改善金融领域的微观博客情绪分类》。该研究主要关注如何在金融微博客中提取和处理情绪信息。研究者使用的数据包括： 1. Semeval 2017 Task 5-Subtask 1提供的微观博客数据集（M），这个数据集包含2,488条2016年3月11日至18日期间从Twitter和StockTwits收集的微博客。 数据来源：https://www.acl-bg.org/proceedings/2017/RANLPStud%202017/pdf/RANLPStud002.pdf 此外，他们还创建了一个新的与微博客相关的新闻数据集（MRN），包含106条新闻，每条新闻包括标题、URL、时间和日期、情绪评分（如果可用）以及新闻描述。这些数据来源于多个来源，如wsj.com或bloomberg.com。 在方法上，研究者选择了支持向量机（SVM）作为机器学习算法，用于任务中的情绪分类。 第二篇文章由Johan Bollen, Huina Mao, Xiaojun Zeng合著，标题是《Twitter情绪预测股市》。这篇论文探讨了Twitter用户的情绪如何反映并可能预示股市动向。尽管具体方法和数据未在此处详述，但可以推断，研究者分析了大量的Twitter数据，建立了情绪与股市表现之间的关联模型。 这些研究展示了自然语言处理（NLP）在金融领域的情感分析应用，特别是如何利用社交媒体的情绪信号来辅助金融市场预测。通过机器学习模型，如SVM，研究人员能够提取和理解大量文本数据中的情绪信息，从而为投资者提供有价值的见解。同时，这也反映了大数据和人工智能在现代金融分析中的重要性。