公开(公告)号：CN110297870B

公开(公告)日：2022-08-30

申请号：CN201910465941.5

申请日：2019-05-30

Applicant: 南京邮电大学

Inventor： 徐康 ,  赵杰 ,  叶宁 ,  王汝传 ,  徐同宣 ,  黄成豪

IPC: G06F16/28 ,  G06F16/36 ,  G06F40/284

Abstract: 本发明公开了一种金融领域中文新闻短标题的情感分类方法，包括如下步骤：爬取各大金融网站的新闻短标题，清洗语料并标注出实体和情感极性，然后将语料按比例分割为训练集和测试集；获取现有的金融领域的知识图谱，将知识图谱的实体和关系映射到低维连续的向量空间，获得隐含语义信息的实体表示向量；将新闻短标题分词，再生成相应的词向量；将实体提及词向量和上下文词向量组成词向量矩阵输入到A&Eb‑BiLSTM模型，训练出实体提及词向量到知识图谱中实体表示向量的映射；将映射以矩阵的方式输入到Ab‑BiLSTM模型，训练得到新闻短标题的情感极性；测试集按照训练集方法构建，通过准确率和F1‑Score值验证两个模型的有效性。

公开(公告)号：CN110297870A

公开(公告)日：2019-10-01

申请号：CN201910465941.5

申请日：2019-05-30

Applicant: 南京邮电大学

Inventor： 徐康 ,  赵杰 ,  叶宁 ,  王汝传 ,  徐同宣 ,  黄成豪

IPC: G06F16/28 ,  G06F16/36 ,  G06F17/27

Abstract: 本发明公开了一种金融领域中文新闻短标题的情感分析法，包括如下步骤：爬取各大金融网站的新闻短标题，清洗语料并标注出实体和情感极性，然后将语料按比例分割为训练集和测试集；获取现有的金融领域的知识图谱，将知识图谱的实体和关系映射到低维连续的向量空间，获得隐含语义信息的实体表示向量；将新闻短标题分词，再生成相应的词向量；将实体提及词向量和上下文词向量组成词向量矩阵输入到A&Eb-BiLSTM模型，训练出实体提及词向量到知识图谱中实体表示向量的映射；将映射以矩阵的方式输入到Ab-BiLSTM模型，训练得到新闻短标题的情感极性；测试集按照训练集方法构建，通过准确率和F1-Score值验证两个模型的有效性。