-
题名基于情感数据的违约判别研究
被引量：1
- 1
-
-
作者
董冰洁
迟国泰
-
机构
大连理工大学经济管理学院
-
出处
《中国管理科学》
CSSCI
CSCD
北大核心
2023年第4期111-120,共10页
-
基金
国家自然科学基金重点项目(71731003)
国家自然科学基金面上项目(72071026,72201098,72271040,72173096,71971051,71971034,71873103)
+2 种基金
国家自然科学基金青年项目(71901055,71903019)
国家自然科学基金地区项目(72161033)
国家社会科学基金重大项目(18ZDA095)。
-
文摘
违约判别对商业银行和借贷机构的信贷决策具有重要意义。本文研究的问题是如何使用情感数据构建违约判别模型,以提高金融机构识别违约客户的能力。本文的创新与特色:一是使用7类21种情感来测度借款描述的情感特征,不仅呈现借款描述中隐含的多维度情感特征,而且避免仅使用正负两类情感计算总情感倾向时情感种类单一、情感含义模糊的弊端;二是使用情感数据和数值数据构建违约判别模型,避免使用单类数据构建违约判别模型准确性不足的弊端。研究表明:相较于使用单类数据构建违约判别模型,同时使用情感数据和数值数据构建的最优临界点判别模型的违约判别准确性最高,其中第二类错误显著下降。回归分析表明:在正向情感中,借款描述中传达“相信”和“赞美”情感的客户与传达“祝愿”“喜爱”“快乐”“尊敬”“安心”等多种情感的客户相比违约可能性更小;“贬责”情感对违约状态有显著正向影响;“悲伤”情感对违约状态有显著负向影响。
-
关键词
情感数据
零界点模型
违约判别
-
Keywords
sentiment data
text analysis
optimal critical point
mixed model
default prediction
-
分类号
B842.6
[哲学宗教—基础心理学]
TP18
[哲学宗教—心理学]
-
-
题名股市舆情潜藏情感倾向对收益率的预测研究
被引量：2
- 2
-
-
作者
朱昶胜
张翰垠
冯文芳
-
机构
兰州理工大学计算机与通信学院
兰州理工大学经济管理学院
-
出处
《兰州理工大学学报》
CAS
北大核心
2019年第5期109-114,共6页
-
基金
兰州理工大学红柳杰出人才基金项目(J201304)的资助
-
文摘
以网络股评舆情数据作为非结构型文本数据研究对象,结合股票市场的相关交易指标,使用文本挖掘技术和机器学习算法确定投资者情绪测度指标,分析舆情数据中潜藏情感倾向对未来短期内股票收益率的预测能力.实证结果表明,舆情文本中挖掘潜藏情感信息能够以较高的准确率实现对股市收益率的预测.分析讨论了对预测结果有一定影响的特征字段与训练样本两个因素,发现在特征字段数量不变的情况下,随着训练数据的增多,预测结果的解释能力会有所提高;而当训练数据维持在一定范围内时,特征词数量的选取对预测结果也有很大的影响.
-
关键词
潜藏情感倾向
文本挖掘
舆情数据
机器学习
-
Keywords
potential emotion-tendency
text mining
public sentiment data
machine learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于比较句的网络用户评论情感分析
被引量：2
- 3
-
-
作者
彭浩
徐健
肖卓
-
机构
中山大学资讯管理学院
中山大学图书馆
-
出处
《现代图书情报技术》
CSSCI
2015年第12期48-56,共9页
-
基金
国家社会科学基金项目"用户评论情感分析及其在竞争情报服务中的应用研究"(项目编号:11CTQ022)的研究成果之一
-
文摘
【目的】为帮助企业识别竞争产品,挖掘有价值的信息,提出基于比较句的情感分析模型。【方法】利用基于比较句数目的热门指数和差距指数筛选热门对比产品,从比较句中抽取特征并根据情感词典计算竞争产品的特征得分。为验证模型的效果,以手机产品为实验对象,以百度搜索引擎为数据来源展开实验。【结果】实验从28对手机产品中筛选出9对热门对比产品,并可视化分析产品的特征差异。相对于以往基于文本的情感分析方法,该模型能够更好地识别竞争产品以及判断竞争产品的用户情感取向。【局限】特征抽取准确性有待进一步提高,比较句识别率存在一定的提升空间。【结论】实验结果与实际情况相符合,模型具有有效性,该方法对企业有较高的利用价值。
-
关键词
比较句抽取
情感分析
数据可视化
自然语言处理
-
Keywords
Comparative sentence extraction sentiment analysis data visualization Natural language processing
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
