小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2009年
5期
899-902
,共4页
观点分类%SVM%篇章结构%股评
觀點分類%SVM%篇章結構%股評
관점분류%SVM%편장결구%고평
尝试将观点分类的思想和方法应用到股评观点分析领域.通过对股评篇章结构的分析,分别提取股评的标题和预测型语句,利用SVM算法,构造标题分类器和正文分类器,然后选择合适的阈值和权值融合两大分类器,自动的将股评分为看多、看平、看空三个类别.实验结果显示,与SO-PMI算法、非基于篇章结构的SVM算法相比,查准率和查全率提高了近10%,分别达到了88 0%、86 8%.
嘗試將觀點分類的思想和方法應用到股評觀點分析領域.通過對股評篇章結構的分析,分彆提取股評的標題和預測型語句,利用SVM算法,構造標題分類器和正文分類器,然後選擇閤適的閾值和權值融閤兩大分類器,自動的將股評分為看多、看平、看空三箇類彆.實驗結果顯示,與SO-PMI算法、非基于篇章結構的SVM算法相比,查準率和查全率提高瞭近10%,分彆達到瞭88 0%、86 8%.
상시장관점분류적사상화방법응용도고평관점분석영역.통과대고평편장결구적분석,분별제취고평적표제화예측형어구,이용SVM산법,구조표제분류기화정문분류기,연후선택합괄적역치화권치융합량대분류기,자동적장고평분위간다、간평、간공삼개유별.실험결과현시,여SO-PMI산법、비기우편장결구적SVM산법상비,사준솔화사전솔제고료근10%,분별체도료88 0%、86 8%.
