摘要：根据新浪财经股票博客的特点,使用点互信息（PMI）方法构建了股票情感词典,在所构建的股票情感词典和现有的台湾大学情感词典基础上,结合经典贝叶斯方法对新浪财经博客的情感分析进行研究,并且在中文分词、自然语言处理（NLP）技术的基础上研究文本句法结构对股票博客文本情感分类结果的影响.实验结果表明：考虑文本中的句法细节以后,如词语搭配、否定词和连词等,使用PMI股票情感词典＋贝叶斯方法,宏平均准确率从60.19%提高到80.50%,宏平均召回率从原来的59.35%提高到78.70%,宏平均F1值也由59.77%达到了79.60%.
分类：期刊> 自然科学与工程技术> 工程科技I> 综合科技A类综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：情感词典 pmi算法 自然语言处理
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
