[发明专利]基于语义文本的大宗农产品投资者恐慌情绪测度方法

权利要求书

1.基于语义文本的大宗农产品投资者恐慌情绪测度方法，包括以下步骤：

(1)投资文本信息采集：通过建立投资文本信息库，采用网络爬虫的形式从互联网各大宗农产品投资论坛、博客中采集相关文本内容；

(2)文本信息预处理：投资文本信息库建立后，需要对文本信息进行预处理，预处理包括断句、分词，情绪关键词提取，为后续的语义情绪分析做准备；

(3)语义情绪分析：对步骤(2)提取到的情绪关键词进行情绪值计算，进而得到整个文本的情绪值；

所述情绪值由情绪极性和情绪强度构成：

所述情绪极性按情绪倾向分为正负，其中积极乐观情绪和中性情绪的情绪极性为“+”，消极恐慌情绪的情绪极性为“-”；

所述情绪强度由具体的情绪关键词按照表1的赋值规则取值：

表1：情绪关键词的赋值规则

通过表1的赋值规则获得文本中每个情绪关键词的情绪值，进而将文本中所有情绪关键词的情绪值进行加总求和并算出均值，得到整个文本的情绪值，计算公式如下：

其中E(T)表示一个文本篇章的情绪值，S_i表示文本中第i个情绪关键词，E(S_i)表示第i个情绪关键词的情绪值，n表示文本中情绪关键词的数量；

(4)文本情绪倾向判定：

表2：文本情绪倾向判定规则

文本情绪值	文本情绪倾向
正	积极乐观或中性
负	消极恐慌

由步骤(3)所得到的文本情绪值与表2的文本情绪倾向判定规则进行对比，判定整个文本是否为消极恐慌情绪。

2.根据权利要求1所述的大宗农产品投资者恐慌情绪测度方法，其特征在于，在步骤(1)中，所述投资文本信息采集具体包括以下步骤：

(5)确定目标主题和目标采集网页链接；根据用户输入的大宗农产品投资者投资评论关键词作为目标主题，自动搜索获取相关的论坛、博客网址作为目标采集网站；在目标采集网站包含的多个网页链接中，确定所述目标主题对应的目标网页链接；

(6)对确定的目标采集网页链接进行过滤处理；在确定的目标采集网页链接中，可能包含有重复、无效的网页链接，需要进行过滤处理；

(7)对过滤处理后的目标网页链接进行网页内容下载，根据网页内容中的HTML标签，定位需要采集的文章对应的URL，根据需要采集的文章对应的URL，对文章对应的文本信息进行下载并保存到投资文本信息库。

3.根据权利要求1所述的大宗农产品投资者恐慌情绪测度方法，其特征在于，在步骤(2)中，所述文本信息预处理具体包括以下步骤：

(8)断句处理：以中文句号或其他标点符号为断句节点，在进行语义情绪分析前需要对采集到的文本信息进行断句处理；

(9)分词和词性标注：对断句后的文本进行分词，分词过程中采用的是Python3.0分词软件，分词的依据是中文语料词典，采用的是开源的HanLP自然语言处理包，在分词的过程中自动完成词性标注，分词的结果为各个词组；

(10)提取情绪关键词构建情绪词典：为方便情绪关键词提取，需要构建情绪词典，通过对步骤(9)中分词和词性标注获取的所有文档情绪词组，统计这些词组，获取在网络数据中出现词频最高的词组作为情绪关键词；将提取的情绪关键词加入情绪词典，并且后续不断扩充；对文本中分词后的词组与情绪词典中的词组进行比对，比对成功的即为情绪关键词，将情绪关键词进行提取；

所述情绪词典构建采用word2vector模型中CBOW，包括输入层、投影层、输出层；其中输入层为context(w)中2c个词向量，V(Context(w)₁)、V(Context(w)₂)…V(Context(w)_2c)；投影层则是输入层的2c个词向量的累加之和，输出层对应一棵二叉树，它是以文本中出现过的词作为叶子节点，以各词在文本中出现的次数当权值构造出来的Huffman树；输入层、投影层和输出层之间使用矩阵向量运算方法，输出层中的叶子节点由于分支都会产生一个概率，这些概率相乘就可以得到相关词组的概率，其中由上下文预测一个词组的概率的计算方法如下：

P(w_i|Context)＝P(w_i|w_i-k，w_i-k+1…，w_i-1，w_i+1，…，w_i+k)

上式中，P为词组概率，w_i表示文本中的某个词。