Resumen

La clasificación de sentimientos para textos financieros es de gran importancia para predecir los mercados de valores y las crisis financieras. En la actualidad, con la popularidad de las aplicaciones en el campo del procesamiento del lenguaje natural (PLN) que adoptan el aprendizaje profundo, la aplicación de la clasificación automática de textos y la clasificación de sentimientos basada en textos se ha extendido cada vez más. Sin embargo, en el campo de la clasificación de sentimientos basada en textos financieros, debido a la falta de muestras etiquetadas, dichas aplicaciones son limitadas. En este trabajo se propone un método de clasificación de sentimientos de texto financiero basado en la adaptación al dominio, que puede adoptar datos de texto del dominio de origen (SD) con etiquetas de sentimiento y una gran cantidad de datos de texto financiero del dominio de destino (TD) sin etiquetar como muestras de entrenamiento para la red neuronal propuesta. El método propuesto es un método basado en el aprendizaje de transferencia entre dominios. La subred de clasificación de dominios se añade a la red neuronal original, y la función de pérdida de clasificación de dominios también se añade a la función de pérdida de entrenamiento original. Por lo tanto, la red puede adaptarse simultáneamente al dominio de destino y realizar la tarea de clasificación. El experimento del método de aprendizaje por transferencia de clasificación de sentimientos propuesto se lleva a cabo mediante un conjunto de datos de código abierto. El método propuesto en este trabajo utiliza las reseñas de Amazon Books, DVDs, electrónica y electrodomésticos como dominio de origen para el aprendizaje entre dominios, y las tasas de precisión de la clasificación pueden alcanzar el 65,0%, 61,2%, 61,6% y 66,3%, respectivamente. En comparación con el aprendizaje sin transferencia, la tasa de precisión de la clasificación ha mejorado en un 11,0%, 7,6%, 11,4% y 13,4%, respectivamente.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:tasa de precisión de la clasificación, clasificación de sentimientos basada, dominio de origen, métodos propuestos, clasificación automática de textos, datos de textos financieros, métodos de clasificación de sentimientos, red neuronal propuesta, revisión de amazon, sentimiento de textos financieros
• Keywords:classification accuracy rate, based sentiment classification, source domain, proposed methods, automatic text classification, financial text data, sentiment classification methods, proposed neural network, review of amazon, financial text sentiment