面向南非语境的金融情感分析研究
计算与语言
2021-06-21 v1
摘要
情感分析作为自然语言处理的一个子领域，在过去十年中受到越来越多的关注，使组织能够通过在线媒体监测更有效地管理其声誉。影响声誉的因素众多，但本论文仅关注财务绩效方面，并探讨南非语境下金融情感分析存在的空白。结果表明，预训练的情感分析器在该任务上效果最差，而传统的基于词典和机器学习的方法最适合预测新闻文章的金融情感。所评估方法的准确率达到84%–94%。预测情感与股价相关性良好，并凸显了将情感作为财务绩效指标的潜在用途。本研究的主要贡献是更新了现有的用于金融情感分析的 sentiment 词典。由于使用的训练数据有限，模型泛化能力较差。未来的工作包括扩展数据集以提升通用性，并为南非数据贡献一个开源的金融情感分析器。
引用
@article{arxiv.2106.10004,
title = {Towards Financial Sentiment Analysis in a South African Landscape},
author = {Michelle Terblanche and Vukosi Marivate},
journal= {arXiv preprint arXiv:2106.10004},
year = {2021}
}
备注
Accepted for publication in Proceedings of CD-MAKE 2021 Conference