微博环境下公司金融事件检测方法研究

发布时间：2022-08-09 11:26

　　随着近年来互联网与社交网络自媒体的不断发展,社交平台转变为信息传播与获取的重要阵地。微博以其反应快速、语言简练、官方认证等特征,成为国内社交的代表性平台。金融市场对金融事件敏感,瞬息万变。由于微博等社交平台信息获取的低成本性,投资者可通过其减小信息不对称所产生的投资影响,企业则可实时获取金融资讯,明确竞争对手策略,辅助企业做出决策。因此追踪微博平台中公司信息,检测其中金融事件,不仅对投资者投资决策与投资行为制定有辅助作用,还为公司战略制定提供竞争情报及商业见解,具有重要的研究意义。目前国内外学者主要是从网络新闻或者公司年报中检测金融事件,由于其数据特征与社交媒体数据不同,因此无法直接将之前的研究方法移植至社交平台进行事件检测。且随着近年来深度学习算法的发展,通过深度学习算法进行文本语义获取及分类,较传统的机器学习算法有较大的提升。为了更准确地进行金融事件检测,本文从微博短文本表示和事件检测方法两方面展开研究,具体包括以下三个部分:1)研究了一种面向金融领域的短文本表示方法;该方法主要是利用Word2vec对金融事件触发词典进行扩充,通过扩充后的金融事件触发词典进行短文本触发词识别,然后... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状
        1.2.1 事件抽取研究现状
        1.2.2 社交媒体事件检测研究现状
        1.2.3 金融事件检测研究现状
    1.3 研究内容
    1.4 组织结构
第二章 相关理论及方法简介
    2.1 事件检测
    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 分类模型
        2.3.1 支持向量机
        2.3.2 卷积神经网络
        2.3.3 长短期记忆网络
    2.4 集成学习
        2.4.1 Adaboost算法
        2.4.2 Bagging算法
        2.4.3 随机森林算法
    2.5 性能评估指标
    2.6 本章小结
第三章 面向金融领域的短文本表示方法
    3.1 问题描述及相关研究
    3.2 基于词向量和触发词的短文本表示方法
        3.2.1 概述
        3.2.2 金融事件类型定义
        3.2.3 触发词典构建
        3.2.4 文档向量化表示
    3.3 实验结果与分析
        3.3.1 实验语料库介绍
        3.3.2 实验设置
        3.3.3 结果展示与分析
        3.3.4 参数分析
    3.4 本章小结
第四章 基于集成分类的公司金融事件动态检测方法
    4.1 问题描述及相关研究
    4.2 基于集成SVM的数据流分类算法
    4.3 实验结果与分析
        4.3.1 实验设置
        4.3.2 结果展示与分析
    4.4 本章小结
第五章 基于深度学习的公司金融事件检测方法
    5.1 问题描述及相关研究
    5.2 基于注意力机制的CNN与 LSTM分类算法
        5.2.1 模型构建概述
        5.2.2 文本预处理
        5.2.3 层级结构设置
    5.3 实验结果与分析
        5.3.1 实验语料库介绍
        5.3.2 实验设置
        5.3.3 结果展示与分析
    5.4 本章小结
第六章 总结与展望
    6.1 研究工作总结
    6.2 下一步工作设想
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3672476