典型文献
结合金融领域情感词典和注意力机制的细粒度情感分析
文献摘要：
针对在金融领域实体级情感分析任务中缺乏足够的标注语料,以及通用的情感分析模型难以有效处理金融文本等问题,该文构建一个百万级别的金融领域实体情感分析语料库,并标注5000余个金融领域情感词作为金融领域情感词典.同时,基于该金融领域数据集,提出一种结合金融领域情感词典和注意力机制的金融文本细粒度情感分析模型(FinLexNet).该模型使用两个LSTM网络分别提取词级别的语义信息和基于情感词典分类后的词类级别信息,能有效获取金融领域词语的特征信息.此外,为了让文本中金融领域情感词获得更多关注,提出一种基于金融领域情感词典的注意力机制来为不同实体获取重要的情感信息.最终在构建的金融领域实体级语料库上进行实验,取得了比对比模型更好的效果.
文献关键词：
细粒度情感分析;金融文本;金融情感词典
中图分类号：
作者姓名：
祝清麟;梁斌;徐睿峰;刘宇瀚;陈奕;毛瑞彬
作者机构：
哈尔滨工业大学(深圳)计算机科学与技术学院,广东 深圳 518055;深圳证券信息有限公司,广东 深圳 518028
文献出处：
引用格式：
[1]祝清麟;梁斌;徐睿峰;刘宇瀚;陈奕;毛瑞彬-.结合金融领域情感词典和注意力机制的细粒度情感分析)[J].中文信息学报,2022(08):109-117
A类：
FinLexNet,金融情感词典
B类：
金融领域情感词典,注意力机制,细粒度情感分析,金融文本,百万,分析语,语料库,余个,词作,模型使用,取词,语义信息,词类,领域词,词语,特征信息,中金,情感信息,对比模型
AB值：
0.196311
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
