基于语义挖掘的Web金融信息情感分析关键技术研究

A great amount of text financial information has accumulated on the Web, which provides a new direction for acquiring and quantifying the non-financial indicators in enterprise financial warning model..Howerer, how to build Web financial indicator system, including financial and non-financial indicators, from Web financial information using data mining and natural language processing techniques, poses great challengs towards mining and utilizing Web financial information..The project focuses on the following problems. First, guided by the financial evaluation indicators system, the project researches on how to extract the topic features of Web financial information and how to build Web financial indicators system. Second, the research studies identifing and analyzing semantical tendencies of sentimental words in Web financial information. Third, the extraction of appraisal expression (feature-opinion pairs) and singularity judgment of opinion targets in Web financial information are also investigated. Fourth, the project probes into the fine-grained computation of sentimental tendency of Web financial information and quantification of non-financial indicator system..The research will open up a new way to build non-financial indicators and provide a novel quantification method for non-financial indicators by exploiting Web financial information. Specifically, the research will propose a semi-supervised topic model with semantics constraints, build sentiment lexicons of financial domain, put forward methods for extracting appraisal expression and estimating the singularity of opinion targets, and present a fine-grained sentiment computation model of Web financial information.

目前Web上出现了大量文本金融信息，这为获取并量化企业财务预警模型中的非财务指标变量提供了新途径。因此，如何运用数据挖掘和自然语言处理技术，从Web金融信息中构建Web金融指标体系(含财务指标和非财务指标)并进行情感倾向性量化，对挖掘和利用Web金融信息提出了新挑战。本项目研究内容有：①基于财务评价指标体系指导的Web金融信息主题特征提取及Web金融指标体系构建；②Web金融信息中情感词的识别及情感倾向性分析；③Web金融信息中情感评价单元抽取及评价对象奇异性判断；④细粒度的Web金融信息情感倾向性计算及Web金融指标体系量化。本项目研究将开辟基于Web金融信息构建非财务指标的新途径、量化非财务指标的新思路；提出带语义约束的半监督主题模型，构建金融领域情感词典，提出情感评价单元抽取及评价对象奇异性判别方法，提出Web金融信息细粒度情感计算模型。

目前Web上出现了大量财经文本，这为获取并量化经济预测和风险预警模型中的非结构化指标变量、支持营销策略和客户分析等提供了新途径。因此，如何从财经文本中构建非结构化经济指标体系、抽取细粒度评价对象(特征词)和情感词，对数据挖掘和自然语言处理技术的运用提出了新挑战。本项目研究将开辟基于财经文本构建非结构化财经指标的新途径。.主要研究内容：①基于传统结构化指标体系指导的财经文本主题特征提取及非结构化指标体系构建；②财经文本中情感词的识别及情感倾向性分析；③财经文本中情感评价单元抽取及评价对象奇异性判断；④细粒度的财经文本情感倾向性计算及非结构化指标体系量化。.主要创新成果：①提出了PSP_HDP(combining documents' domain Properties, word Semantics and words' Presences in topics with HDP)主题模型，该模型通过改进文档-主题和主题-词语分配过程，提高了经济主题的区分度和辨识度，可以更有效地挖掘与经济有关的主题和经济要素词；②提出了基于浅层语义与语法分析相结合的评价对象-情感词对抽取方法，该方法保证了评价对象构成的复杂性，能有效识别出缺省和隐含评价对象；③提出了关联约束主题模型AC-LDA (association constrained LDA)，该模型通过改善全局特征词和局部特征词的主题区分度，改进了特征词和情感词的主题内聚度，从而提高了中低频局部性词语、低频次级特征词、低频情感词和无特征情感词的提取效率；④提出了语义关系约束的主题模型SRC-LDA(semantic relation constrained LDA)，该模型提高了相同主题下主题词分配的关联度和不同主题下主题词分配的区分度，可以更多地发现细粒度特征词、情感词及其之间的语义关联性；⑤提出了与特定语言无关的基于分类思想的微博新情感词抽取方法cNSEm，该方法自动构建训练数据，并用训练的分类器对候选词进行判别，最后采用投票机制确定候选词的情感倾向。