Lancaster A 在 SemEval-2017 任务5：评估指标至关重要：从金融新闻标题预测情感
计算与语言
2018-06-15 v1
摘要
本文描述了我们参与 SemEval 2017 任务5第2赛道的工作，旨在预测特定公司金融新闻标题在 -1 到 1 连续尺度上的情感。我们采用多种方法解决该问题，使用了支持向量回归（Support Vector Regression, SVR）和双向长短期记忆网络（Bidirectional Long Short-Term Memory, BLSTM）。我们发现使用 LSTM 模型相比 SVR 有 4-6% 的提升，并在该赛道中获得第四名。我们报告了使用金融特定词嵌入模型的多种不同评估，并反思了使用不同评估指标的影响。
引用
@article{arxiv.1705.00571,
title = {Lancaster A at SemEval-2017 Task 5: Evaluation metrics matter: predicting sentiment from financial news headlines},
author = {Andrew Moore and Paul Rayson},
journal= {arXiv preprint arXiv:1705.00571},
year = {2018}
}
备注
5 pages, to Appear in the Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval 2017), August 2017, Vancouver, BC