金融领域中文微博情感分析
自2009年微博登陆中国,到今天已然影响着社会生活的方方面面.相对于中文新闻、论坛来说,微博语言具有着口语化表达多、主观性强、句式复杂、符号繁多等特点.为了准确地提取金融领域微博以及对金融领域微博的情感进行分类,本文分别提出了一种基于Entropy * (TF-IDF-L)的关键词字典构建算法,以及一种基于SVM的多特征情感极性判别模型.并使用2012年的腾讯微博数据进行实证研究.实验结果表明利用Entropy * (TF-IDF-L)算法能够较为准确地构建出关键词词典.基于SVM的多特征情感极性判别模型,并在金融领域微博的情感极性判断上有良好的分类效果.
信息资源 金融环境 情感分析 信息熵
朱浩然 梁循 马跃峰 纪阳 李启东 马超
中国人民大学信息学院经济信息管理系,北京100872
国内会议
上海
中文
1-12
2013-11-02（万方平台首次上网日期，不代表论文的发表时间）