文献类型：期刊文献

中文题名：基于机器学习的外汇新闻情感分析

英文题名：Sentiment analysis of foreign exchange news based on machine learning

作者：戚天梅[1];过弋[1,2];王吉祥[1];王志宏[1];成舟[3]

机构：[1]华东理工大学信息科学与工程学院,上海200237;[2]大数据流通与交易技术国家工程实验室商业智能与可视化技术研究中心,上海200237;[3]中汇信息技术(上海)有限公司开发三部,上海201203

年份：2020

卷号：41

期号：6

起止页码：1742

中文期刊名：计算机工程与设计

外文期刊名：Computer Engineering and Design

收录：CSTPCD;;北大核心:【北大核心2017】；

基金：国家重点研发计划基金项目(2018YFC0807105);国家自然科学基金项目(61462073);上海市科学技术委员会科研计划基金项目(17DZ1101003、18511106602、18DZ2252300)。

语种：中文

中文关键词：外汇;细粒度;情感分析;情感强度;机器学习

外文关键词：foreign exchange;fine-grained;sentiment analysis;sentiment intensity;machine learning

摘要：为提高外汇新闻的意见挖掘,分析外汇新闻的数据特征,提出面向外汇新闻文本的细粒度情感分析方法,包括对情感倾向和情感强度的计算。在情感倾向方面,基于朴素贝叶斯、逻辑回归、随机森林和支持向量机4种机器学习算法,设计融合情感词权重的情感倾向计算方法;在情感强度方面,分析外汇新闻中影响情感强度的特征词,通过权重策略,实现最优权重组合下的外汇新闻情感强度计算。实验结果表明了该方法在情感倾向和情感强度计算方面的有效性。
To improve opinion mining of foreign exchange news,features of news were analyzed and a fine-grained manner was employed to probe the sentiment orientation and intensity.In the analysis of sentiment orientation,the method fusing weight of sentiment words was proposed based on Naive Bayes,logistic regression,random forest and support vector machine.In the analysis of sentiment intensity,the words affecting sentiment intensity in foreign exchange news were extracted,and different weights were given to obtain the best weight and sentiment intensity.Experimental results demonstrate the study achieves good results in sentiment orientation and intensity.