SEntFiN 1.0：面向金融新闻的实体感知情感分析
计算与语言
2023-05-23 v1 人工智能
机器学习
摘要
新闻标题上的细粒度金融情感分析是一项具有挑战性的任务，需要人工标注数据集方能取得高性能。有限的研究尝试在新闻标题中存在多个实体的设定下解决情感抽取任务。为推进该领域研究，我们公开了 SEntFiN 1.0，一个包含 10,753 条带实体-情感标注新闻标题的人工标注数据集，其中 2,847 条标题含多个实体，且常带有冲突情感。我们用一个包含超过 1,000 个金融实体及其在新闻媒介中各种表述（总计超 5,000 个短语）的数据库扩充了数据集。我们提出一种框架，采用基于特征而非基于表达的方法抽取实体相关情感。对于情感抽取，我们利用了 12 种不同学习方案，结合基于词典与预训练句子表示，以及五种分类方法。实验表明，基于词典的 n-gram 集成优于 GloVe 等预训练词嵌入方案。总体而言，RoBERTa 与 finBERT（领域特定 BERT）取得最高平均准确率 94.29% 与 F1 分数 93.27%。进一步，利用超过 210,000 条实体-情感预测，我们验证了长期内情感对总体市场走势的经济效应。
引用
@article{arxiv.2305.12257,
title = {SEntFiN 1.0: Entity-Aware Sentiment Analysis for Financial News},
author = {Ankur Sinha and Satishwar Kedas and Rishu Kumar and Pekka Malo},
journal= {arXiv preprint arXiv:2305.12257},
year = {2023}
}
备注
32 Pages