隨著近年來互聯(lián)網與社交網絡自媒體的不斷發(fā)展,社交平臺轉變?yōu)樾畔鞑ヅc獲取的重要陣地。微博以其反應快速、語言簡練、官方認證等特征,成為國內社交的代表性平臺。金融市場對金融事件敏感,瞬息萬變。由于微博等社交平臺信息獲取的低成本性,投資者可通過其減小信息不對稱所產生的投資影響,企業(yè)則可實時獲取金融資訊,明確競爭對手策略,輔助企業(yè)做出決策。因此追蹤微博平臺中公司信息,檢測其中金融事件,不僅對投資者投資決策與投資行為制定有輔助作用,還為公司戰(zhàn)略制定提供競爭情報及商業(yè)見解,具有重要的研究意義。目前國內外學者主要是從網絡新聞或者公司年報中檢測金融事件,由于其數據特征與社交媒體數據不同,因此無法直接將之前的研究方法移植至社交平臺進行事件檢測。且隨著近年來深度學習算法的發(fā)展,通過深度學習算法進行文本語義獲取及分類,較傳統(tǒng)的機器學習算法有較大的提升。為了更準確地進行金融事件檢測,本文從微博短文本表示和事件檢測方法兩方面展開研究,具體包括以下三個部分:1)研究了一種面向金融領域的短文本表示方法;該方法主要是利用Word2vec對金融事件觸發(fā)詞典進行擴充,通過擴充后的金融事件觸發(fā)詞典進行短文本觸發(fā)詞識別,然后... 

【文章頁數】：74 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及研究意義
    1.2 國內外研究現狀
        1.2.1 事件抽取研究現狀
        1.2.2 社交媒體事件檢測研究現狀
        1.2.3 金融事件檢測研究現狀
    1.3 研究內容
    1.4 組織結構
第二章 相關理論及方法簡介
    2.1 事件檢測
    2.2 文本表示
        2.2.1 BOW算法
        2.2.2 TF-IDF算法
        2.2.3 Word2vec算法
    2.3 分類模型
        2.3.1 支持向量機
        2.3.2 卷積神經網絡
        2.3.3 長短期記憶網絡
    2.4 集成學習
        2.4.1 Adaboost算法
        2.4.2 Bagging算法
        2.4.3 隨機森林算法
    2.5 性能評估指標
    2.6 本章小結
第三章 面向金融領域的短文本表示方法
    3.1 問題描述及相關研究
    3.2 基于詞向量和觸發(fā)詞的短文本表示方法
        3.2.1 概述
        3.2.2 金融事件類型定義
        3.2.3 觸發(fā)詞典構建
        3.2.4 文檔向量化表示
    3.3 實驗結果與分析
        3.3.1 實驗語料庫介紹
        3.3.2 實驗設置
        3.3.3 結果展示與分析
        3.3.4 參數分析
    3.4 本章小結
第四章 基于集成分類的公司金融事件動態(tài)檢測方法
    4.1 問題描述及相關研究
    4.2 基于集成SVM的數據流分類算法
    4.3 實驗結果與分析
        4.3.1 實驗設置
        4.3.2 結果展示與分析
    4.4 本章小結
第五章 基于深度學習的公司金融事件檢測方法
    5.1 問題描述及相關研究
    5.2 基于注意力機制的CNN與 LSTM分類算法
        5.2.1 模型構建概述
        5.2.2 文本預處理
        5.2.3 層級結構設置
    5.3 實驗結果與分析
        5.3.1 實驗語料庫介紹
        5.3.2 實驗設置
        5.3.3 結果展示與分析
    5.4 本章小結
第六章 總結與展望
    6.1 研究工作總結
    6.2 下一步工作設想
參考文獻
攻讀碩士學位期間的學術活動及成果情況



本文編號：3672476