EFSA：迈向事件级金融情感分析
计算与语言
2024-11-28 v2
摘要
在本文中，我们将金融情感分析（FSA）扩展到事件级别，因为事件通常是金融文本中情感的主体。尽管从金融文本中提取事件可能有助于准确的情感预测，但由于金融文本中事件的冗长和不连续性，这具有特殊的挑战。为此，我们通过设计一个包含粗粒度和细粒度事件类别的分类体系，将事件抽取重新概念化为一个分类任务。在此设置下，我们定义了事件级金融情感分析（简称EFSA）任务，该任务从金融文本中输出由（公司、行业、粗粒度事件、细粒度事件、情感）组成的五元组。我们发布了一个包含12,160篇新闻文章和13,725个五元组的大规模中文数据集，作为该任务的全新测试平台。我们为该任务设计了一种基于四跳思维链的LLM方法。在我们的数据集上进行了系统研究，实证结果表明现有方法的基准分数以及我们提出的方法可以达到当前最先进水平。我们的数据集和框架实现可在https://anonymous.4open.science/r/EFSA-645E获取。
引用
@article{arxiv.2404.08681,
title = {EFSA: Towards Event-Level Financial Sentiment Analysis},
author = {Tianyu Chen and Yiming Zhang and Guoxin Yu and Dapeng Zhang and Li Zeng and Qing He and Xiang Ao},
journal= {arXiv preprint arXiv:2404.08681},
year = {2024}
}