1、隨著互聯(lián)網技術和金融產業(yè)的飛速發(fā)展,網絡上金融信息日益豐富,同時,人們對金融信息的需求也日益增多。金融文本的傾向性可能對相關個股或者公司股票價格走勢產生重要影響,為此,對金融文本進行進一步的情感分析,有助于投資者進行投資決策。人工判斷新聞、評論等金融文本的傾向性的工作量巨大,迫切需要一種面向金融領域的自動文本情感分析技術和工具。金融文本的情感分析技術主要受制于高性能的文本情感分類算法和高質量的金融文本情感標注語料庫。
　　為此,本

2、文首先對金融文本的傾向性判定方法進行了研究,結合文本情感分類特點,本文對感知器算法進行改進,提出了基于優(yōu)化感知器的文本傾向性分析方法。通過觀察和分析金融文本的特點,本文提取了情感詞、評價詞等特征來表示金融文本。傳統(tǒng)的感知器方法的優(yōu)點是可以通過錯誤分類的樣本來調節(jié)各個特征的權重,但卻存在確定學習率的問題,而傳統(tǒng)的基于情感詞典統(tǒng)計的傾向性分析方法能夠采用固定特征權值進行統(tǒng)計,所以本文結合感知器和詞典統(tǒng)計方法提出了優(yōu)化感知器的文本傾向性分析方

3、法。實驗結果表明,優(yōu)化的感知器方法能夠有效地判斷金融文本的傾向性,在同一金融語料庫上的傾向性分析效果優(yōu)于其它方法。
　　其次,由于人工標記語料具有主觀偏向性的缺點,從而影響語料庫的一致性,并且導致基于監(jiān)督學習分析方法的綜合性能下降。借鑒PageRank算法的思想,本文提出了一種新的DocRank算法,算法采用文本圖的結構來表示文檔間相互關系,優(yōu)選出具有代表性的情感樣本作為訓練語料集合。通過多組對比實驗表明,DocRank算法能夠對