一项基于情感分析的股票指数预测新方法探究

情感分析方法可分为无监督和有监督两种途径[2]。2002年，PANG等学者首次利用机器学习建立了有监督情感分类方法，并采用支持向量机(SVM)、朴素贝叶斯(NB)、最大熵(ME)分类器进行情感分类，其中情感词频是主要特征[3]。实验结果显示，基于机器学习的有监督分类的准确率高于传统的无监督方法。其他文献[4]中提出的新模型（NBSVM）结合了SVM和NB分类器，在多个数据集上都取得了良好的分类效果。然而，有监督网络评论情感分类方法仍然受限于标注训练集的语料和领域依赖性。即使一个领域的分类器效果良好，在另一个领域可能并不理想。因此，要想取得较好的分类效果，有监督情感分类方法需要在各领域标注大量不同的训练集。然而，这一过程非常困难，消耗人力物力，并成为有监督情感分类方法的瓶颈。