基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

基于双向门控机制和层次注意力的方面级情感分析

针对传统情感分析模型将单词或词语作为单一嵌入,而忽略句子之间依存信息和位置信息的问题,提出基于双向门控机制和层次注意力的方面级情感分析模型（Based on Bi-GRU and Hierarchical Attention,BGHA）。首先,将文本数据转成词向量再加入位置编码信息,得到包含位置和语义信息的词向量后通过双向门控机制提取上下文特征;接着,分别在单词注意力层和句子注意力层用注意力机制对特征分配权重,突出重点词和重点句信息;最后,结合给定的方面信息选择性提取与其较匹配的情感特征。在SemEval 2014、SemEval 2016和Twitter短文本评论数据集上的实验结果表示,BGHA模型的准确率对比其他模型都有不同程度的提高,证明了模型的有效性。     

古籍电子化中生僻汉字的处理

“字库不够用”的问题是古籍电子化的一大障碍，文中就古籍电子化中遇到的生僻汉字问题进行了深入研究，在对生僻汉字进行分析统计的基础上，进而对其进行编码、造字。又根据生僻汉字的特点，设计了易学易用的输入法，从而，实现了古籍电子化中遇到的生僻汉字的存储、检索和显示，较好地解决了古籍电子化中遇到的生僻汉字问题。     

心理词汇学习策略与英语词汇教学

词汇学习是语言学习的重要组成部分,本文阐述了心理词汇的基本理论及词汇学习策略的基本分类,试图探讨如何将心理词汇与学习策略结合起来,分析在词汇学习策略中心理词汇的指导作用。     

基于特征域词频的邮件过滤方法的研究

出了根据邮件特征域信息和特征词频进行垃圾邮件过滤的新方法，并介绍在该方法中的文本特征选取、特征词典构造以及基于TF的权值计算等相关技术，以及改进的文本相似度计算概率模型.实验表明该方法在邮件过滤的查全率、查准率等几个性能评价指标上，比传统的Rocchio方法有了明显改善.     

试论李清照词的审美特征

李清照是位善于发现美、创造美的词人 ,综观她的词 ,我们不难发现 ,“美”是她词创作的灵魂。本文将从个性美、愁情美、情操美三个方面来论述李清照词的审美特征     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

寻绎刘辰翁文学思想中的“情真”与“自然”理念

刘辰翁是宋元之交著名的遗民、作家和文学评论家，他的文学思想丰富而又深刻。主要体现在诗文序跋和大量的评点批语中。通过对这些内容的分析与归纳，再联系他的诗词创作以及所生活的时代与个人的经历，可以看出其文学思想中具有鲜明的追求“情真”与“自然”的理念。     

词缀化和多音节化趋势对现代汉语词汇形态的影响

在英汉语言文化交流中,现代汉语吸收了大量的英语外来词,表现出愈来愈多的词缀化倾向和多音化趋势。英汉双语词典作为特殊的翻译文本,直接参与了英语语言成分的引进。英汉双语词典文本译名的词缀化和多音节化趋势极大地丰富了汉语词汇,对翻译文本的具体形态产生了深刻的影响,进而促进了汉语的现代化过程。     

考虑经纪人投资情绪的委托代理合同研究

从行为金融学角度,提出将经纪人的投资情绪考虑进资本市场的委托代理关系中.通过建立数学模型,分析了非理性经纪人的投资决策给委托人带来的影响,得到了此时委托人与经纪人之间的最优委托代理合同.结果表明,经纪人的乐(悲)观投资情绪可以使委托人的代理成本得到补偿,并且委托人对经纪人的最优激励强度随着经纪人乐(悲)观程度的增加而降低.这说明在一定条件下,经纪人的乐(悲)观投资情绪,对委托人具有积极意义.