期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于FinBERT和Bi-GRU的篇章级事件检测模型 被引量：1
1
作者 廖涛 王凯 张顺香 《阜阳师范大学学报（自然科学版）》 2024年第3期1-6,共6页
现有的篇章级事件检测方法一般分为候选实体抽取和事件检测两个子任务,候选实体抽取任务的精度影响着事件检测任务的结果。针对现有方法候选实体抽取精度不足的问题,提出了基于FinBERT和Bi-GRU的篇章级事件检测模型。首先,采用FinBERT... 现有的篇章级事件检测方法一般分为候选实体抽取和事件检测两个子任务,候选实体抽取任务的精度影响着事件检测任务的结果。针对现有方法候选实体抽取精度不足的问题,提出了基于FinBERT和Bi-GRU的篇章级事件检测模型。首先,采用FinBERT预训练模型提升词嵌入向量对金融语义的表示能力,从而增强模型对金融语义的感知。其次,将上一层获取到的语义表示输入Bi-GRU模型和多头注意力机制中捕获全局和局部特征,通过CRF进行解码并标注出候选实体和实体类型。最后,根据抽取的候选实体信息判断篇章中存在的预定义事件。实验结果表明,本文方法提升了候选实体抽取任务的精度,取得了较好的篇章级事件检测结果。 展开更多
关键词 篇章级事件检测 候选实体 finbert Bi-GRU
在线阅读 下载PDF
基于FinBERT-CNN的股吧评论情感分析方法 被引量：3
2
作者 刘薇 姜青山 +2 位作者 蒋泓毅 胡金帅 曲强 《集成技术》 2022年第1期27-39,共13页
我国股市波动受投资者情绪变化影响较大,通过对股吧等金融交流平台上投资者的评论进行情感分析,能够帮助投资者更好地了解股票市场的变化。现有的情感分析方法是利用模型对股票评论集进行分析,但缺少优质的股票评论标注数据集用于模型训... 我国股市波动受投资者情绪变化影响较大,通过对股吧等金融交流平台上投资者的评论进行情感分析,能够帮助投资者更好地了解股票市场的变化。现有的情感分析方法是利用模型对股票评论集进行分析,但缺少优质的股票评论标注数据集用于模型训练,且单一模型提取股票评论特征较为片面,模型的准确性有待提高。该文针对股吧平台上的评论数据,提出一种基于FinBERT-CNN的股吧评论情感分析方法,该方法通过FinBERT预训练模型学习股吧评论数据语义特征,解决缺乏股吧评论标注数据集的问题,并利用卷积神经网络学习股吧评论的局部特征,使模型充分学习股吧评论特征,提高模型情感分类的准确性。实验结果表明,基于FinBERT-CNN的股吧评论情感分析方法均优于现有情感分析方法。此外,通过基于股吧评论情感的股票市场关联分析,验证了股吧评论情感变化与股市波动存在相关性。 展开更多
关键词 股吧评论 情感分析 预训练模型 finbert 卷积神经网络
在线阅读 下载PDF
FinBERT-RCNN-ATTACK:金融文本情感分析模型 被引量：1
3
作者 段魏诚 薛涛 《计算机技术与发展》 2024年第5期157-162,共6页
金融文本包含投资者的情绪及公众对相关事件的态度。近年来,自然语言处理已广泛应用于金融领域,对金融文本数据进行情感分析可以得到丰富的投资价值和监管参考价值。然而由于金融词汇具有专业性和特殊性,现有的通用情感分析模型不适合... 金融文本包含投资者的情绪及公众对相关事件的态度。近年来,自然语言处理已广泛应用于金融领域,对金融文本数据进行情感分析可以得到丰富的投资价值和监管参考价值。然而由于金融词汇具有专业性和特殊性,现有的通用情感分析模型不适合金融领域情感分析任务,精确度有待提高,且现有模型易受到对抗样本的干扰导致模型结果出错。为了解决这些问题,提出了一个FinBERT-RCNN-ATTACK模型。利用在金融语料库预训练的FinBERT模型进行词嵌入处理,提取语义特征,将提取到的特征引入RCNN模型进一步挖掘上下文的关键特征,并且在模型中引入对抗训练,即在嵌入阶段添加扰动,提高模型的鲁棒性和泛化性。实验结果表明,在金融领域数据集上,提出的模型优于其他情感分析模型,精准度提升了3%~35%。 展开更多
关键词 金融文本 情感分析 finbert 循环卷积神经网络 对抗训练
在线阅读 下载PDF
基于多模态财务大数据的智能分析预测模型 被引量：2
4
作者 王伯平 王邦平 《无线电通信技术》 北大核心 2025年第3期501-510,共10页
当前,研究者对财务领域的文本情感分析和语音情感识别越来越感兴趣,因其可以捕捉到企业利益相关者(如管理者和投资者)的意图和意见。结合文本情感信息,企业在预测财务绩效方面取得了显著的性能提升。然而,仅考虑文本情感,对管理者的情... 当前,研究者对财务领域的文本情感分析和语音情感识别越来越感兴趣,因其可以捕捉到企业利益相关者(如管理者和投资者)的意图和意见。结合文本情感信息,企业在预测财务绩效方面取得了显著的性能提升。然而,仅考虑文本情感,对管理者的情感状态以及对财务危机预测的关注度远远不够。因此提出了一种基于多模态财务大数据的智能分析预测模型(Multi Modal Financial Intelligent Model,MMFIM),融合了语音情感特征、文本情感特征以及传统财务特征多模态数据以解决上述问题。MMFIM通过卷积神经网络(Convolutional Neural Network,CNN)模型识别管理者的语音情感状态,利用FinBERT模型抽取文本情感特征,将获得的情感信息与传统的财务指标相融合实现对财务危机更准确的预测。在美国40家最大(按市值计算)企业的1278次财报电话会议数据上对MMFIM模型进行验证,实验结果表明,与现有预测模型相比,所提MMFIM模型具有更高的准确率。 展开更多
关键词 多模态 语音情感识别 文本情感分析 卷积神经网络 finbert 财务危机预测
在线阅读 下载PDF
基于情感增强和语义依存的金融隐式情感分析模型 被引量：3
5
作者 张玉莹 朱广丽 谈光璞 《计算机工程与科学》 CSCD 北大核心 2024年第6期1112-1120,共9页
金融情感分析是一种判断金融文本的情感倾向性的技术,广泛应用于舆情分析和监管协调等方面。由于金融领域文本中包含隐式情感信息,难以根据情感特征直接判定情感极性。针对这一问题,提出一种基于情感增强和语义依存的金融隐式情感分析模... 金融情感分析是一种判断金融文本的情感倾向性的技术,广泛应用于舆情分析和监管协调等方面。由于金融领域文本中包含隐式情感信息,难以根据情感特征直接判定情感极性。针对这一问题,提出一种基于情感增强和语义依存的金融隐式情感分析模型(FSED),以期提高分类的准确率。首先,采用FinBERT生成词向量,并输入到Bi-GRU提取上下文语义信息,通过嵌入积极和消极情感词向量构建两极注意力机制,用于分别提取2种语境下的情感特征向量;然后,根据文本的语义依存图建立依存关系和关系类型矩阵,结合2种矩阵和top-k策略构建选择注意力矩阵,再输入到图卷积网络来提取文本的语义依存特征;最后,融合情感增强和语义依存的特征,并使用平均池化和最大池化层对特征进行压缩,经全连接层和Softmax获得分类结果。实验结果表明,相较于A-GCN,FSED可以提升金融领域隐式情感分析的准确率。 展开更多
关键词 金融隐式情感分析 finbert 两极注意力机制 语义依存图 选择注意力矩阵
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部