金融领域中文微博情感分析
文献类型：会议
作者：朱浩然[1]
机构：[1]中国人民大学信息学院经济信息管理系,北京100872
[2]中国人民大学信息学院经济信息管理系,北京100872
[3]中国人民大学信息学院经济信息管理系,北京100872
[4]中国人民大学信息学院经济信息管理系,北京100872
[5]中国人民大学信息学院经济信息管理系,北京100872
[6]中国人民大学信息学院经济信息管理系,北京100872
年：2013
会议名称：第八届中国管理学年会——中国管理的国际化与本土化
会议论文集：第八届中国管理学年会——中国管理的国际化与本土化论文集
页码范围：1-12
会议地点：上海
会议开始日期：2013-11-02
所属部门：信息学院
人气指数：1
浏览次数：1
语言：中文
关键词：中文微博;情感分析;信息熵
摘要： 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。
作者其他论文
基于R-C模型的微博用户社区发现?.周小平;梁循;张海燕.软件学报.2014,2808-2823.
马氏距离多核支持向量机学习模型.张凯军;梁循.计算机工程.2014,40(6),219-224.
基于移动互联网日志的搜索引擎用户行为研究.万飞;赵溪;梁循,等.中文信息学报.2014,28(2),144-150.
一种改进的显性多核支持向量机.张凯军;梁循.自动化学报.2014,2288-2294.
基于关键词提取和基尼系数的微博用户分类方法.施晓菁;梁循;张海燕.2013.
