使用训练数据集增强的金融新闻标题情感分析
计算与语言
2017-08-01 v1
摘要
本文讨论了 UWaterloo 团队为 SemEval 2017 任务 5 提出的细粒度情感分析问题所采用的解决方案。文章描述了所使用的文档向量化和情感分数预测技术，以及在构建该系统时所做的设计和实现决策。该系统使用文本向量化模型，如 N-gram、TF-IDF 和段落嵌入，并结合回归模型变体来预测情感分数。在所考察的方法中，一元和二元语法结合简单线性回归获得了最佳的基线准确率。本文还探索了用于补充训练数据集的数据增强方法。该系统是为子任务 2（新闻陈述和标题）设计的。
引用
@article{arxiv.1707.09448,
title = {Sentiment Analysis on Financial News Headlines using Training Dataset Augmentation},
author = {Vineet John and Olga Vechtomova},
journal= {arXiv preprint arXiv:1707.09448},
year = {2017}
}
备注
5 pages