计算机工程与科学

作者：张玉莹, 朱广丽, 谈光璞,

单位：1.安徽理工大学计算机科学与工程学院，安徽 淮南 232001；2.合肥综合性国家科学中心人工智能研究院，安徽 合肥 230088

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,

基金：国家自然科学基金(62076006)；安徽省高校协同创新项目(GXXT-2021-008)

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。

来源：2024年第6期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第6期