一种混合的股评观点倾向性分析方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 222-225.

一种混合的股评观点倾向性分析方法

莫倩1，张渝杰1，胡航丽1，张华平2

1.北京工商大学计算机与信息工程学院，北京 100048
2.北京理工大学计算机学院，北京 100081

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Combined approach of polarity analysis on stock analyst

MO Qian1，ZHANG Yujie1，HU Hangli1，ZHANG Huaping2

1.Department of Computer Science and Technology，Beijing Technology and Business University，Beijing 100048，China
2.Department of Computer Science and Technology，Beijing Institute of Technology，Beijing 100081，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 对主观性文本的观点倾向性分析是当前自然语言处理领域的一个研究难点，针对股评文章与一般性网络评论相比的不同特点，将基于篇章结构的股评观点倾向性方法和基于模式的股评倾向性分析方法相结合，构建了一种混合的股评观点倾向性分析方法。实验结果表明，混合的股评观点倾向性分析方法可以使查全率和查准率在综合水平上得到显著提高，分别达到90.2%，84.8%。

关键词: 倾向性分析, 股评, 篇章结构, 模式

Abstract: The polarity analysis on objective text is currently a difficult study in the area of natural language processing.Compared with different characters between stock analysts and general network chapters，this paper combines the text structure-based methods of polarity analysis and the model-based methods of polarity analysis，and constructs a combined method of polarity analysis of stock analysts.Results show that the combined method of polarity analysis of stock analysts can improve recall and precision in the consolidated level，respectively reach 90.2%，84.8%.

Key words: polarity analysis, stocks comments, chapter structure, mode

莫倩1，张渝杰1，胡航丽1，张华平2. 一种混合的股评观点倾向性分析方法[J]. 计算机工程与应用, 2011, 47(19): 222-225.

MO Qian1，ZHANG Yujie1，HU Hangli1，ZHANG Huaping2. Combined approach of polarity analysis on stock analyst[J]. Computer Engineering and Applications, 2011, 47(19): 222-225.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[3]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[4]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[5]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[6]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[7]	乐德广，赵杰，龚声蓉. 基于模式切换的ARM汇编代码混淆算法[J]. 计算机工程与应用, 2021, 57(18): 122-129.
[8]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[9]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[10]	孙爽，陈燕，朴在吉，张金松. 轨迹数据的时空模式挖掘与管理决策研究综述[J]. 计算机工程与应用, 2021, 57(16): 16-26.
[11]	蔡瑞光，张德生，张晓. 基于双向选择的伪近邻算法[J]. 计算机工程与应用, 2021, 57(13): 102-107.
[12]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[13]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[14]	许瀚誉，冯翔，虞慧群. 万有引力与群体状态自适应的智能优化算法[J]. 计算机工程与应用, 2020, 56(9): 48-55.
[15]	卢俊杰，黄金泉，鲁峰. 似然K均值聚类用于涡扇发动机气路故障诊断[J]. 计算机工程与应用, 2020, 56(9): 136-141.