利用新闻情绪改善金融领域微博客情感分析
需积分: 0 169 浏览量
更新于2024-08-04
收藏 30KB DOCX 举报
"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。
2015-02-04 上传
2024-09-09 上传
2024-09-09 上传
2024-09-09 上传
仙夜子
- 粉丝: 40
- 资源: 325
最新资源
- Hadoop生态系统与MapReduce详解
- MDS系列三相整流桥模块技术规格与特性
- MFC编程:指针与句柄获取全面解析
- LM06:多模4G高速数据模块,支持GSM至TD-LTE
- 使用Gradle与Nexus构建私有仓库
- JAVA编程规范指南:命名规则与文件样式
- EMC VNX5500 存储系统日常维护指南
- 大数据驱动的互联网用户体验深度管理策略
- 改进型Booth算法:32位浮点阵列乘法器的高速设计与算法比较
- H3CNE网络认证重点知识整理
- Linux环境下MongoDB的详细安装教程
- 压缩文法的等价变换与多余规则删除
- BRMS入门指南:JBOSS安装与基础操作详解
- Win7环境下Android开发环境配置全攻略
- SHT10 C语言程序与LCD1602显示实例及精度校准
- 反垃圾邮件技术:现状与前景