《表1 外汇投资者情感词典部分示例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多模态投资者情绪数据的USD/CNY汇率波动率预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在对自然语言的处理上，使用哈尔滨工业大学社会计算与信息检索研究中心研发的pyltp 3.6进行中文文本分词，在提取关键词时，本研究没有完全采用专家筛选的方法，而是先利用信息检索技术TF-IDF提取关键词，再进行人为筛选。原因是：如果词典当中存在文本数据里没有的关键词，这对于文本向量化与深度学习的训练是没有益处的；另外，由于TF-IDF属于特征工程的一种，在提取关键词的同时可以对其重要性进行排序，所以能够获得具有代表性、明显情感倾向的种子情绪词。再将这些种子情绪词，利用word2vec模型计算、寻找它的相似词，进而构建出含有426个情绪词的外汇投资者情绪词典，部分词如表1所示。中文文本需要转换成一系列向量，作为变量输入LSTM模型，并构建用来索引的语义词典。