FEUP在SemEval-2017任务5中的工作：利用金融词嵌入预测情感极性与强度
计算与语言
2017-04-19 v1 信息检索
摘要
本文介绍了波尔图大学工程学院(FEUP)为参与SemEval 2017任务5（金融微博与新闻的细粒度情感分析）所开发的方法。该任务要求预测一个从-1.0到+1.0的实数连续变量，表示短文本中提到的公司/股票的情感的极性与强度。我们将该任务建模为一个回归分析问题，并将传统技术（如短文本预处理、词袋表示和基于词典的特征）与增强的金融特定嵌入袋相结合。我们使用提及标准普尔500指数中公司/股票的外部推文和新闻标题集合来创建能够捕捉领域特定句法和语义相似性的金融词嵌入。所得方法在子任务5.1（微博）中获得了0.69的余弦相似度得分，在子任务5.2（新闻标题）中获得了0.68的余弦相似度得分。
引用
@article{arxiv.1704.05091,
title = {FEUP at SemEval-2017 Task 5: Predicting Sentiment Polarity and Intensity with Financial Word Embeddings},
author = {Pedro Saleiro and Eduarda Mendes Rodrigues and Carlos Soares and Eugénio Oliveira},
journal= {arXiv preprint arXiv:1704.05091},
year = {2017}
}