Apr, 2024

EFSA: 事件级金融情感分析

PDF
TL;DR该研究将金融情感分析（FSA）扩展到事件级别，通过设计粗细分类的事件类别，将事件从金融文本中提取出来，并提出了一个涵盖（公司，行业，粗事件，细事件，情感）的事件级别金融情感分析（EFSA）任务，在一个大规模的中文数据集上得到了与现有方法相媲美的结果。
financial sentiment analysisevent-levelevent extractionefsachain-of-thought llm-based approach
发现论文，激发创造
  • 使用结构化参数增强事件级情绪分析

    本研究重新定义了事件级别情感分析的任务，提出了一种称之为 $ extit {E}^{3} extit {SA}$ 的端到端事件级别情感分析方法，明确提取并模块化事件结构信息来增强事件级别情感分析。通过实验证明了该方法在现有技术中具有显著优势，并且通过提供包括事件论点和情感标签在内的大型真实世界数据集来促进更多的研究。

    May, 2022

  • 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

  • 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

  • 金融年报特征提取的多任务学习

    通过使用多任务学习方法，结合不同任务上的信息，我们提出了多种金融文本分类方法，重点关注金融情绪、客观性、前瞻性句子预测和 ESG 内容检测。然后，我们使用这些分类器从 FTSE350 公司的年度报告中提取文本特征，并研究 ESG 定量分数与这些特征之间的关联。

    Apr, 2024

  • 股票价格预测中细粒度事件的引入

    使用领域专家构建金融专业事件字典，并自动从金融新闻中提取精细的事件信息，并设计神经模型将金融新闻与精细的事件结构和股票交易数据相结合，预测股票运动，实验结果表明，该方法胜过所有基准线，并具有良好的泛化能力。

    Oct, 2019

  • 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

  • FinEntity: 金融文本的实体级情感分类

    我们介绍了一个名为 FinEntity 的实体级情感分类数据集，用于金融领域中指向特定金融实体的情感分析。我们在论文中记录了数据集构建过程，并在几个预训练模型（BERT、FinBERT 等）和 ChatGPT 上进行了实体级情感分类的基准测试。我们通过一个案例研究展示了使用 FinEntity 在监测加密货币市场中的实际应用价值。FinEntity 的数据和代码可在 https://github.com/yixuantt/FinEntity 获取。

    Oct, 2023

  • 面向细粒度情感分析的实体 - 方面 - 观点 - 情感四元组抽取

    我们提出了一种新的任务，称为实体 - 方面 - 意见 - 情感四元抽取（EASQE），旨在将方面术语层次化地分解为实体和方面，以避免在 ABSA 任务中的信息丢失，非独占性注释和意见误解。通过实验证明，我们的触发器 - 意见框架可以生成令人满意的 EASQE 结果，并且也可以应用于其他 ABSA 任务，显著优于现有的方法。

    Nov, 2023

  • EDSA-Ensemble：一种事件检测与情感分析的集成架构

    提出了一种利用 Event Detection 和 Sentiment Analysis 改进社交媒体上当前事件极性的检测的新的集成架构，即 EDSA-Ensemble，其中预处理步骤包括使用多种机器学习和深度学习模型和单词表示模型，同时将考虑事件传播和时间范围和主题，该架构改进了机器学习和深度学习模型的事件情感分类。

    Jan, 2023

  • 实体级情感分析（ELSA）：一项探索性任务调查

    本篇研究探讨了实体级情感分析（Entity-Level Sentiment Analysis，ELSA）这一任务，通过对多个领域的专业评论进行深入研究，发现其中所包含的情感涉及的实体与情感之间存在着特定关系，并提供了一系列实验以证明文档级、句子级和目标级情感分析对于 ELSA 的贡献，并探讨了它们的缺点。同时，还对该领域的先前相关研究进行了综述。

    Apr, 2023