為提高投資決策的科學性,規(guī)避投資風險,目前我國投資領域正在向量化分析方向發(fā)展。然而,目前的量化投資模型通過分析交易平臺的數(shù)據(jù)進行決策,非結(jié)構(gòu)化數(shù)據(jù)分析能力較弱。通過爬蟲技術抓取主流股評論壇和個人博客的言論,聚合成關鍵詞,并基于樸素貝葉斯算法分析這些言論代表的情感,以此預測市場對某項金融政策的反應,輔助投資決策。 

【文章來源】：電腦編程技巧與維護. 2020,(07)

【文章頁數(shù)】：3 頁

【文章目錄】：
1 概述
    1.1 研究背景
    1.2 選題背景及意義
        1.2.1 跨網(wǎng)站的股市評論數(shù)據(jù)采集研究
        1.2.2 基于文本聚類的自然語言分析研究
        1.2.3 基于貝葉斯算法的情感分析研究
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 課題研究思路
    1.5 研究方法
2 實現(xiàn)方法
    2.1 采用知識圖譜技術解析信息結(jié)構(gòu)
    2.2 通過無監(jiān)督的機器學習方法完成文本聚類
    2.3 進行貝葉斯算法的樸素化與半樸素化修正
3 創(chuàng)新點
    3.1 引入數(shù)據(jù)清洗模塊格式化處理數(shù)據(jù)
    3.2 將K-Means算法與切詞技術應用于文本聚類
    3.3 通過機器學習和獨立性檢驗計算樸素化修正程度
4 結(jié)語


【參考文獻】：
期刊論文
[1]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計算機工程與應用. 2019(23)
[2]半監(jiān)督聚類綜述[J]. 秦悅,丁世飛.  計算機科學. 2019(09)
[3]基于貝葉斯網(wǎng)絡的技術進步預測與路徑優(yōu)化選擇[J]. 王必好,張郁.  科學學研究. 2019(08)
[4]綜述貝葉斯理論的發(fā)展及其在分類問題中的應用[J]. 程玘航.  中國新通信. 2019(01)
[5]入侵檢測技術中k-means聚類算法綜述[J]. 楊文君.  科學技術創(chuàng)新. 2018(36)



本文編號：3449184