面向金融数据情感预测的上下文句子分析
计算与语言
2021-12-28 v1 机器学习
摘要
新闻通讯与社交网络可从分析师及公众对公司所提供的产品和/或服务的视角，反映关于市场及特定股票的意见。因此，对这些文本的情感分析可提供有用信息以助投资者在市场中进行交易。本文提出一种分层堆叠的 Transformers 模型，通过预测介于 -1 与 +1 之间的分数（实数类型数据）来识别与公司及股票相关的情感。具体而言，我们微调了一个 RoBERTa 模型以处理标题与微博，并将其与额外的 Transformer 层结合，利用情感词典进行句子分析以改进情感分析。我们在 SemEval-2017 task 5 发布的金融数据上进行了评估，我们的方案优于 SemEval-2017 task 5 的最佳系统及强基线。事实上，上下文句子分析与金融及通用情感词典的结合为我们的模型提供了有用信息，并使其生成更可靠的情感分数。
引用
@article{arxiv.2112.13790,
title = {Contextual Sentence Analysis for the Sentiment Prediction on Financial Data},
author = {Elvys Linhares Pontes and Mohamed Benjannet},
journal= {arXiv preprint arXiv:2112.13790},
year = {2021}
}
备注
Pre-print: 5th International Workshop on Big Data for Financial News and Data