金融论坛,作为面向股民的平台,拥有着很高的热度。利用好金融论坛里面的文本信息,对投资具有很大的帮助。对于访问金融论坛的网民,最想要了解的信息主要有两点:近期讨论度比较高的事件以及网民对个股是看好还是看衰,本文将通过主题模型对这两种信息进行挖掘。本文的主要工作如下:对金融论坛新闻版块进行主题挖掘。论坛语料拥有回复短、水帖多等特点,传统的主题模型不适用于短文本,且没有考虑无意义文本,这使得传统主题模型在论坛语料上很难取得很好的效果。针对论坛语料的这些特点,本文提出了BBS-LDA主题模型,该模型以句子为单位采样主题,且每个帖子中的句子具有相同的主题分布,这样的做法考虑了论坛的结构特性,并且可以缓解单条回复字数少导致的稀疏性问题。同时,该模型引入了无意义主题和用户的信息,以缓解水帖对于主题挖掘的影响。通过真实语料进行对比实验,该主题模型能够提升主题关键词的质量。对金融论坛个股版块进行情感分析。论坛语料没有标注信息,很多有监督的分类方法需要人工标注,所以并不适用。本文通过Word2vec和SO-PMI构建了金融情感词典,并以此为监督信息使用情感主题混合模型对个股的帖子进行情感分析。通过在由人工标注的数据集上进行试验,证明了该方法的有效性。最后,基于以上研究开发了金融论坛文本分析系统。该系统能够通过爬虫自动爬取金融论坛文本信息,并通过算法处理展示给用户。除此之外,该系统还提供了一些接口供编辑调整主题权重,以提高系统的实用性。该系统的研发能够便于网民更加直观快速地获取金融论坛信息。