基于深度学习的领域情感词典自动构建——以金融领域为例
Constructing Sentiment Dictionary with Deep Learning： Case Study of Financial Data
作 者：胡家珩[1];岑咏华[1];吴承尧[2]
Hu Jiaheng1, Cen Yonghua1, Wu Chengyao2（ 1School of Economics and Management, Nanjing University of Science and Technology, Nanjing 210094, China; 2College of Finance, Nanjing Agricultural University, Nanjing 210095, China）
作者机构：[1]南京理工大学经济管理学院,南京210094;[2]南京农业大学金融学院,南京210095
出 版 物：数据分析与知识发现
年 卷 期：2018年 第10期
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。
页 码：95-102页
主 题 词：情感词典;深度学习;金融领域;词向量;神经网络
因篇幅问题不能全部显示，请点此查看更多更全内容