隨著互聯(lián)網(wǎng)的發(fā)展,推特和微博等社交平臺的流行,一個突發(fā)事件會快速在網(wǎng)絡上形成熱點話題,如果是和股票相關(guān)的話題,往往會形成股票概念,話題相關(guān)股票又稱概念股,突發(fā)事件會對關(guān)聯(lián)股票股價產(chǎn)生較大的影響。分析事件關(guān)聯(lián)股票往往需要專業(yè)的行業(yè)研究員,普通投資者無法準確地判斷哪些股票可能受到影響。所有如果有一套完整的系統(tǒng)可以及時檢測到話題的產(chǎn)生,記錄其發(fā)展過程,并能夠識別出話題對應的股票概念,進而基于海量的互聯(lián)網(wǎng)資訊,準確地挖掘出事件概念股,那么將會給投資者帶來巨大的幫助。針對上述問題,本文利用主題模型實現(xiàn)了股市熱點話題檢測與追蹤算法。主題模型采用了經(jīng)典的潛在狄利克雷分配算法,并通過引入組合關(guān)鍵詞提取進一步過濾干擾詞;對于聚類話題個數(shù)的選擇,本文通過最小類間相似度準則來選取,該方法可以使各個話題間差異較大,話題可解釋性強。同時本文提出了話題熱度計算方法,可以記錄話題發(fā)展過程。股票概念詞通常是一個和話題極度相關(guān)的詞,概念詞組詞結(jié)構(gòu)沒有明顯規(guī)律,常常是新詞或者特定領域詞,目前的分詞算法無法有效識別。本文通過組合命名實體識別算法和詞粗切分算法來識別股票概念,首先對基于統(tǒng)計方法的命名實體識別方法和基于神經(jīng)網(wǎng)絡的命名實體識別方法進行了研究,提出了引入邊界熵,詞向量的神經(jīng)網(wǎng)絡實體識別方法,在公開語料集上達到了較好的效果,然后本文還提出了一種基于詞粗切分的新詞發(fā)現(xiàn)算法,用于概念名識別。最終,本文設計實現(xiàn)了基于Web的股市熱點話題檢測及概念股票抽取系統(tǒng)。本系統(tǒng)包括話題檢測與話題熱度走勢監(jiān)控,話題對應概念股以及概念走勢監(jiān)測等模塊,可以幫助投資者做決策支持。
【學位單位】：浙江大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F832.51;TP391.1
【部分圖文】：

位論文網(wǎng)資訊信息質(zhì)量較差，網(wǎng)頁文本中常常存在很多噪聲以文本特征提取是一個重要步驟。此外，話題一般經(jīng)歷多任務是要從新聞流中識別與己知話題相關(guān)的新報道，可追蹤，自動記錄話題發(fā)展過程有助于進一步分析事件與事件的發(fā)展，對股市有重大影響的事件會形成對應的人對于事件的總結(jié)，而“概念股”，“龍頭股”則是己經(jīng)影響的股票，龍頭股是很多股民的重點配倉標的。目前，比如“同花順”網(wǎng)站，“概念股”網(wǎng)站，中國財經(jīng)頭概念板塊“滬港通”概念的成分股榜單。??成分股漲跌排行榜??

第３章基于主題模型的股市熱點話題檢測與追蹤??３．?６．?３結(jié)果對比??實驗一結(jié)果：如圖３．２所示。圖３．２展示了不同關(guān)鍵詞提取個數(shù)對ＬＤＡ模型??效果的影響，圖中三條線分別展示了提取關(guān)鍵詞個數(shù)為１０、３０、５０、８０、全部ａｌｌ??（不進行關(guān)鍵詞過濾）情況下ＬＤＡ聚類結(jié)果，由圖可以看出關(guān)鍵詞提取個數(shù)為??５０的情況下為較優(yōu)情況，而提取關(guān)鍵詞個數(shù)為１０情況較差，過少的關(guān)鍵詞扭曲??了原始概率分布，損失了較多的信息，不建議采用；而在關(guān)鍵詞提取個數(shù)大于５０??時，聚類效果有所下降。所以關(guān)鍵詞提取個數(shù)為５０時，聚類效果優(yōu)于其他，建??議選擇提取個數(shù)為５０。??關(guān)鍵字提取個數(shù)對聚類影響對比實驗??０．７????０．６５??二：．．…??????〇－６????？ＳＳＳＳＷＳＳ４？９？?［ｐ｜??０．５５????—Ｆｉ??Ｙ??０．５???１０?３０?５０?８０?ａｌｌ??關(guān)鍵詞提取個數(shù)??圖３．２關(guān)鍵字提取個數(shù)對聚類影響對比實驗??實驗二結(jié)果：基于數(shù)據(jù)集二，本文采用最小主題間平均相似度作為標準確定??最終聚類話題個數(shù)，如圖３．３所示為不同話題個數(shù)對應的平均主題間相似度�？�??以看到當話題為３５時

第３章基于主題模型的股市熱點話題檢測與追蹤??３．?６．?３結(jié)果對比??實驗一結(jié)果：如圖３．２所示。圖３．２展示了不同關(guān)鍵詞提取個數(shù)對ＬＤＡ模型??效果的影響，圖中三條線分別展示了提取關(guān)鍵詞個數(shù)為１０、３０、５０、８０、全部ａｌｌ??（不進行關(guān)鍵詞過濾）情況下ＬＤＡ聚類結(jié)果，由圖可以看出關(guān)鍵詞提取個數(shù)為??５０的情況下為較優(yōu)情況，而提取關(guān)鍵詞個數(shù)為１０情況較差，過少的關(guān)鍵詞扭曲??了原始概率分布，損失了較多的信息，不建議采用；而在關(guān)鍵詞提取個數(shù)大于５０??時，聚類效果有所下降。所以關(guān)鍵詞提取個數(shù)為５０時，聚類效果優(yōu)于其他，建??議選擇提取個數(shù)為５０。??關(guān)鍵字提取個數(shù)對聚類影響對比實驗??０．７????０．６５??二：．．…??????〇－６????？ＳＳＳＳＷＳＳ４？９？?［ｐ｜??０．５５????—Ｆｉ??Ｙ??０．５???１０?３０?５０?８０?ａｌｌ??關(guān)鍵詞提取個數(shù)??圖３．２關(guān)鍵字提取個數(shù)對聚類影響對比實驗??實驗二結(jié)果：基于數(shù)據(jù)集二，本文采用最小主題間平均相似度作為標準確定??最終聚類話題個數(shù)，如圖３．３所示為不同話題個數(shù)對應的平均主題間相似度�？�??以看到當話題為３５時
【參考文獻】

相關(guān)期刊論文 前2條

1 徐戈;王厚峰;;自然語言處理中主題模型的發(fā)展[J];計算機學報;2011年08期

2 張海軍;史樹敏;朱朝勇;黃河燕;;中文新詞識別技術(shù)綜述[J];計算機科學;2010年03期

本文編號：2886602