基于目标方面情感分析检测金融推特消息中的机会与预警

微博平台（推特是典型代表）是市场筛选和金融模型的重要信息来源。在这些平台上，用户自愿提供相关信息，包括关于投资的专业知识，实时对股市状态做出反应，并常常影响这一状态。我们关注金融社交媒体消息中用户对资产表达机会和预警的预测。我们提出了一种新颖的基于目标方面的情感分析（TABEA）系统，该系统能够单独辨别同一推文中不同股票市场资产的金融情感（正面和负面预测），而不是对整个推文进行整体猜测。该系统基于自然语言处理技术和机器学习流算法。系统包括：一个成分分析模块，用于解析推文并将其拆分为更简单的陈述子句；一个离线数据处理模块，用于工程化文本、数值和分类特征，并根据其相关性进行分析和选择；以及一个流分类模块，用于持续实时处理推文。在标注数据集上的实验结果支持了我们的解决方案。对于推特上的目标情感、金融机会和预警，该系统实现了超过90%的精确率。据我们所知，尽管该问题在决策制定中具有实际意义，但文献中此前没有工作解决过这一问题，并且我们不知道有任何先前的NLP或在线机器学习方法用于TABEA。