Jul, 2013

好债务还是坏债务：检测经济文本中的语义倾向性

PDF
TL;DR本文主要研究如何利用人工智能技术分析经济新闻中的情感倾向，提出一种基于人工标注金融短语库、同时考虑上下文结构信息和特征属性的线性短语结构模型，并与现有情感分析模型进行比较。
robo-readerscomputational financefinancial sentimentssemantic orientationslinearized phrase-structure model
发现论文，激发创造
  • 经济新闻预测

    该研究通过对六家大型美国报纸的新闻文章进行情感分析，发现经济情绪与商业周期波动密切相关，是预测四个主要宏观经济变量的相关因素之一，并且预测准确度得到了显著提高。此外，该研究还发现情感分析在解释多个宏观经济变量概率分布的尾部时也具有重要作用。

    Mar, 2022

  • 从百亿词库中无监督地学习语义方向

    本文介绍一种简单的算法，可以从极大的语料库中学习语义定向。该方法涉及向 Web 搜索引擎发出查询并使用点间互信息分析结果，在约 1000 亿词的训练语料库的测试中，该算法达到了 80% 的准确率，可用于形容词，副词，名词和动词等语义定向的确定，与 Hatzivassiloglou 和 McKeown 的结果相当。

    Dec, 2002

  • 新闻中的情感分析

    这篇论文研究了新闻文章情感分析的不同点，并且提出了三个需要解决的子任务，同时尝试从新闻文章中分离出正负面情感并挖掘其中的实体，最终得到的实验结果表明，忽略专业领域的词汇能够在新闻观点挖掘的任务中产生更好的效果。

    Sep, 2013

  • 从关联度推断语义倾向的表扬与批评测量

    该论文介绍了一种从词汇统计学关联性出发推断词汇的语义方向的方法，通过应用点对点互信息（PMI）和潜在语义分析（LSA）两种不同的统计测量方式进行评估，该方法在英语单词集测试中达到 82.8% 的准确性，但当允许算法避免类别划分时，准确性可以提高至 95% 以上。

    Sep, 2003

  • 基于大型语言模型的中国金融细粒度情感分析

    本文提出了一个针对金融领域的中文纤细粒度情感分析数据集，用于企业预警，并利用开源的大语言模型对其进行了全面评估和实验。

    Jun, 2023

  • 金融情绪分析的预训练大型语言模型

    金融情感分析是将金融文本内容分类为情感类别（如积极、消极和中性）。本文聚焦于金融新闻标题的分类，通过利用预训练的大型语言模型以及监督微调技术，实现在少量训练样本情况下显著超越之前最先进的算法。

    Jan, 2024

  • SEntFiN 1.0：金融新闻情感分析中的实体感知

    本文探讨了在新闻标题中进行细粒度金融情感分析的任务和挑战，提出 SAEntFiN 1.0 数据集，并使用特征为基础的方法提取实体相关情感。使用 12 种不同的学习方案验证实验结果，RoBERTa 和 finBERT 的平均准确率和 F1 分数最高，同时使用 210,000 多个实体情感预测验证了情感对市场的影响。

    May, 2023

  • 基于依存关系图解析的结构化情感分析

    本文提出了一种新的统一框架，将结构化情感分析问题作为依存关系图解析，其中节点是情感持有者、目标和表达式，弧是它们之间的关系。在四种语言的五个数据集上进行实验，结果显示这种方法比现有技术有更好的表现，并通过依存语法信息改进情感图产生了更好的结果。

    May, 2021

  • Fortia-FBK 在 SemEval-2017 任务 5 中：看涨还是看跌？从金融新闻头条推断品牌情绪

    本文介绍了一种通过使用情感词表、词向量以及卷积神经网络的方法，对财经新闻标题中对特定公司的牛市或熊市情绪进行推断。在 SemEval2017 挑战赛（任务 5，子任务 2）中，该方法获得了最佳表现。

    Apr, 2017

  • SentiWords: 情感分析高精度高覆盖率词汇表的推导

    本论文提出了一种集成方法，将手动构建的先前极性词典与基于 SentiWordNet 的方法进行比较和融合，从而创建了一个在情感分析中表现出高精度和高覆盖率的先前极性词典 SentiWords，并在情感分析任务中证明了其优于 SentiWordNet 和手动标注情感词典的表现。

    Oct, 2015