[发明专利]一种基于python文本分析的上市公司负面报道信息分析系统

说明书

本发明涉及一种基于python文本分析的上市公司负面报道信息分析系统，包括采集模块、提取模块、分析模块和输出模块，其中，所述采集模块，用于获取媒体报道文本信息，其中包括进行对文本信息进行解码识别转换，并将采集的文本信息传输至所述提取模块；所述提取模块，用于进行对获取的1媒体报道文本信息进行关键字进行提取，获取文本特征信息，其中文本特征信息作为所述分析模块的输入；所述分析模块，用于对获取的文本特征信息进行语义情感分析，并将语义情感分析作为所述输出模块的输入，其中包括对文本特征信息进行词水平语义情感分析和句子水平语义情感分析；所述输出模块，用于获取所述分析模块3的语义情感分析并进行对获取媒体报道文本信息进行标注。

技术领域

本发明涉及一种基于python文本分析的上市公司负面报道信息分析系统。

背景技术

媒体报道对于公司治理有多个治理机制：首先通过媒体报道引发监管部门的注意；其次对企业市场行为的报道影响管理层在经理人市场中的声誉；最后媒体报道会影响管理层的公众形象。媒体关注能够显著抑制管理层非理性并购行为从而减少代理成本。另外发现媒体报道能减少财报重述和保护中小投资者。对管理层行为影响的直接性和强度、是否容易引发监管部门的关注和介入、报道的可信度和对公众注意力的影响等角度来说，媒体负面报道比总的媒体关注对公司行为的影响更重要。媒体的负面报道对控股股东的行为有很好的约束作用，可以减少控股股东寻租。

然而现有研究对于媒体负面报道的衡量主要有以下方式：权威报纸上检索上市公司股票简称和负面关键词，将检索的条数衡量媒体负面报道程度。在新闻搜索引擎检索上市公司股票简称和负面关键词，将检索的条数衡量媒体负面报道。以“1+媒体负或正面报道次数”的自然对数作为媒体报道程度的衡量指标。现有技术通过手工搜索负面关键词和上市公司股票简称，将搜索所得的新闻报刊的报道条数，或log(1+负面报道条数)作为负面报道程度的度量，这种方法不仅工作量大，而且直接通过报道条数和报道条数的变形衡量媒体负面报道的程度，忽略了同为负面报道的两篇负面报道之间的程度差异，另外通过检索负面关键词和上市公司股票简称所得的新闻报道并不一定为负面报道，如报道中的负面关键词前有否定词，报道中虽有负面报道，但大部分内容为正面报道内容，此类报道虽然为正面报道却被计入负面报道范畴。

因此，亟需一种基于python文本分析的上市公司负面报道信息分析系统。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

为了解决上述技术问题，本发明提出一种基于python文本分析的上市公司负面报道信息分析系统，以克服现有相关技术所存在的上述技术问题。

本发明的技术方案为一种基于python文本分析的上市公司负面报道信息分析系统，包括：

采集模块，用于获取媒体报道文本信息，其中包括进行对文本信息进行解码识别转换，并将采集的文本信息传输至提取模块；

提取模块，用于进行对获取的媒体报道文本信息进行关键字进行提取，获取文本特征信息，其中文本特征信息作为分析模块的输入；

分析模块，用于对获取的文本特征信息进行语义情感分析，并将语义情感分析作为所述输出模块的输入，其中包括对文本特征信息进行词水平语义情感分析和句子水平语义情感分析；

输出模块，用于获取所述分析模块的语义情感分析结果，并将分析结果输出为对应的文件或进行可视化展示。

进一步的，其中，所述提取模块其关键字提取包括负面词汇提取、正面词汇提取、否定词汇提取和程度副词提取。

进一步的，其中，所述关键字提取还包括：标定负面词汇语句、标定正面词汇语句、标定否定词汇语句和标定程度副词语句。