基于贝叶斯算法的投资情感分析

发布时间：2021-10-21 14:41

　　为提高投资决策的科学性,规避投资风险,目前我国投资领域正在向量化分析方向发展。然而,目前的量化投资模型通过分析交易平台的数据进行决策,非结构化数据分析能力较弱。通过爬虫技术抓取主流股评论坛和个人博客的言论,聚合成关键词,并基于朴素贝叶斯算法分析这些言论代表的情感,以此预测市场对某项金融政策的反应,辅助投资决策。 

【文章来源】：电脑编程技巧与维护. 2020,(07)

【文章页数】：3 页

【文章目录】：
1 概述
    1.1 研究背景
    1.2 选题背景及意义
        1.2.1 跨网站的股市评论数据采集研究
        1.2.2 基于文本聚类的自然语言分析研究
        1.2.3 基于贝叶斯算法的情感分析研究
    1.3 国内外研究现状
    1.4 课题研究思路
    1.5 研究方法
2 实现方法
    2.1 采用知识图谱技术解析信息结构
    2.2 通过无监督的机器学习方法完成文本聚类
    2.3 进行贝叶斯算法的朴素化与半朴素化修正
3 创新点
    3.1 引入数据清洗模块格式化处理数据
    3.2 将K-Means算法与切词技术应用于文本聚类
    3.3 通过机器学习和独立性检验计算朴素化修正程度
4 结语


【参考文献】：
期刊论文
[1]K-Means聚类算法研究综述[J]. 杨俊闯,赵超.  计算机工程与应用. 2019(23)
[2]半监督聚类综述[J]. 秦悦,丁世飞.  计算机科学. 2019(09)
[3]基于贝叶斯网络的技术进步预测与路径优化选择[J]. 王必好,张郁.  科学学研究. 2019(08)
[4]综述贝叶斯理论的发展及其在分类问题中的应用[J]. 程玘航.  中国新通信. 2019(01)
[5]入侵检测技术中k-means聚类算法综述[J]. 杨文君.  科学技术创新. 2018(36)



本文编号：3449184