基于情感分析的股票指数预测方法综述数量经济技术经济.pdf

情感分析方法可分为无监督和有监督两种途径[2]。早在2002年，PANG等学者利用机器学习构建了有监督情感分类方法，使用了支持向量机(SVM)、朴素贝叶斯(NB)和最大熵(ME)分类器，其中情感词频是重要特征[3]。实验证明有监督分类结果准确率优于传统无监督方法。文献[4]中提出的NBSVM模型结合了SVM和NB分类器，在多个数据集上取得了良好分类效果。有监督网络评论情感分类方法依赖于标注训练集，而标注语料具有领域依赖性，所以其分类效果与文本领域直接相关。要获得较好的分类效果，有监督情感分类方法需要在不同领域标注大量不同的训练集。然而，大量标注训练集在多个领域上是一项困难的任务，需耗费大量人力物力，这已成为有监督情感分类的瓶颈。