[发明专利]一种可自动更新的用于金融文本分析的情感字典构建方法

摘要

本发明公开了一种可自动更新的用于金融文本分析的情感字典构建方法，包括利用知识库中的现有情感词典构成基础词典Dinitial，通过机器添加以及人工添加的方式扩展基础情感词典，得到扩展情感词典Dextend，通过计算前后缀信息熵提高提取新词的准确性，然后利用朴素贝叶斯分类器和情感倾向概率对语料库中提取的新词进行概率计算，通过设置阀值将满足条件的具有正向或负向情感的情感词添加到情感词典中。同现有技术相比有如下优点：(1)新词提取更为准确，减少噪音和后续计算量；(2)情感分析计算量小，通过参数优化，可以得到更为准确的情感分析结果；(3)情感词典可根据需要不断更新，从而提高了基于情感词典的金融文本情感分析方法的准确性。

主权项

1.一种可自动更新的用于金融文本分析的情感字典构建方法，其特征在于采用以下步骤：步骤1、构建基础情感词典：整合现有的情感词典，将现有词典中的正面评价词语、正面情感词语合并去重分别得到正向情感词典和负向情感词典，由上述正向情感词典和负向情感词典构成基础情感词典D_initial；步骤2、扩展基础情感词典：一是利用现有同义词词库对基础情感词典中情感词进行同义词扩展，二是人工添加具有情感色彩的网络新兴词汇，三是人工添加金融领域具有情感色彩的非情感词，得到扩展情感词典D_extend；步骤3、提取待分析词语Nword：运用互联网工具抓取一定量金融文本语料。(1)运用互联网工具进行分词、去停用词、去噪等，得到分词语段库，去除扩展情感词典D_extend中已经包含的词语、转折词、程度词以及非中文字符，采用词频法对所有词汇统计词频，并按词频由高到低排序，选取词频数大于N的词语，然后，利用公式1计算每个语段的前缀和后缀的信息熵，设定信息熵阈值I，保留前缀和后缀信息熵都大于该阈值的语段，作为待分析词语Nword；其中w为语块，a为其前缀或后缀，c为频数；(2)在语料库中对Nword的邻近词进行频率排序，所述邻近词指的是语段距离＜m，其中0<m<8，提取k个频率最高的词语，利用扩展情感词典D_extend，确定k个频率最高词语中正向情感词的个数k_正，负向情感词的个数k_负；步骤4、建立正向语料库和负向语料库：基于现有情感词典，对步骤3收集的金融文本语料进行情感分析，创建正向语料库和负向语料库，其中现有情感词典为扩展情感词典或上次更新的情感词典D_history；步骤5、计算待分析词语Nword的情感概率S：首先利用公式2、3计算待分析词语Nword同正向语料库的相关性概率P_a正，同负向语料库的相关性概率P_a负；然后利用公式4、5计算待分析词语Nword的情感倾向概率P_b正和P_b负；利用公式6、7分别计算待分析词Nword的正向情感P_正和负向情感的概率P_负；最后利用公式8计算待分析词语Nword的情感概率S；P_正＝α*P_a正+β*P_b，正   公式6P_负＝α*P_a负+β*P_b负   公式7S＝P_正‑P_负   公式8其中，α+β＝1，α≥0，β≥0；步骤6、筛选结果，更新情感词典：设置正向阀值负向阀值当S＞0并且时，确定该待分析词Nword为正向情感词，当S＜0并且时，确定该待分析词Nword为负向情感词，将上述满足条件的情感词词语自动添加到情感词典中，完成情感词典的自动更新，得到最新的情感词典D_update。