论文泛读122使用方向相关词自动构建金融领域上下文感知情感词典

Posted 2021-06-27 及时行樂_

贴一下汇总贴：论文阅读记录

论文链接：《Automatic Construction of Context-Aware Sentiment Lexicon in the Financial Domain Using Direction-Dependent Words》

一、摘要

对财务文件的情感分析越来越受到关注。此类文件最受欢迎的例子包括分析师报告和经济新闻，其分析经常用于捕捉市场情绪的趋势。另一方面，情感分析在金融领域所起的重要作用促使人们努力构建金融领域特定的情感词典。情感词典有助于解决各种文本挖掘任务，例如文本数据的无监督分类，同时减轻手动标记所需的繁重人力。构建有效情感词典的挑战之一是，单词的语义方向可能会根据它出现的上下文而改变。例如，“利润”这个词 通常传达积极的情绪；然而，当这个词与另一个词“减少”并列时，与短语“利润减少”相关的情绪现在变得消极。因此，当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。当这个词与另一个词“减少”并列时，与短语“利润减少”相关的情绪现在变得消极。因此，当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。当这个词与另一个词“减少”并列时，与短语“利润减少”相关的情绪现在变得消极。因此，当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。与“利润下降”一词相关的情绪现在变得消极。因此，当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。与“利润下降”一词相关的情绪现在变得消极。因此，当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。当人们开始考虑围绕该词的上下文时，给定词的情绪可能会发生变化。在本文中，我们通过在从给定语料库构建情感词典时结合上下文来解决这个问题。具体来说，我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。我们为由方向依赖词组成的情感词典构建了一个名为 Senti-DD 的词典，它表示每个术语一对方向词和一个方向依赖词。实验结果表明，Senti-DD 实现了更高的分类性能，证明了我们的方法在金融领域自动构建上下文感知情感词典的有效性。

讲道理，我是没见过这么长的摘要，一看全文…24页，好嘛，打扰了

二、结论

随着金融和经济应用中对情感分析需求的增长，以一种高效而有效的方式建立一个特定领域的情感词典是至关重要的。本文提出了一个框架，通过结合从金融新闻标题标注语料库中自动提取的方向相关词来丰富现有的金融情感词典。在该框架中，通过计算PMI得分来估计单词和方向依赖类型之间的关联强度，从而生成Senti-DD，其中每个元素是由方向单词和方向依赖单词组成的对。该框架然后通过使用Senti-DD作为拉夫兰-麦当劳单词列表的插件词典来执行情感分类。

实验结果表明，在解决情感分类任务时，基于Senti-DD的增广词典优于现有的金融情感词典。特别地，“获得”、“同意”和“交流”被识别为“成比例”类型的词，当与“向上”类型的词组合时，产生积极的情绪，或者当与“向下”类型的词组合时，产生消极的情绪。这些结果证明了我们提出的数据驱动的自动识别方向相关词和构建上下文感知词典Senti-DD的方法对于金融领域的情感分类任务是有效的。所提出的方法可以自动提取依赖于特定类型单词的单词，可以很容易地应用于其他领域。处理电子产品的在线评论会很有意思，因为某些词的语义取向，如“定义”和“价格”，可能会根据它们使用的上下文而变化。例如，“定义”与“高”连用时会导致正面情绪，而与“低”连用时会导致负面情绪我们想从不同的领域提取这些与上下文相关的单词，并研究这些单词的特征如何因领域而异。

此外，词典建设可能总是受益于大量的数据。尤其是对于含有大量方向性文字的金融文档，如分析师报告，获取标注数据集，有助于提高Senti-DD的质量。

三、框架概述

提议的情感分析框架概述

• Senti-DD construction
• sentiment classification

其实，不太复杂，不过和专业相关度有点，可以细细琢磨。