互联网上每天都更新大量的金融信息,很多股民都会在网上分享自己对股票市场的看法,研究金融市场的网络舆情是对行为金融学的补充。利用互联网上的金融数据挖掘出有价值的信息,可以辅助金融机构及散户对投资的决策。本文研究情感分析的方法在金融语料库中的应用,探讨适用金融短文本的情感分析方法,可以进一步提高金融情感分析的正确率、F1值,进而更加准确判断金融市场的走势,帮助用户做出更加准确的决策。因此,本文首先在一些重要的财经网站收集了7514条金融新闻的语料,并由有金融背景的人员手工标注语料的情感类别;接着,基于以上的金融语料使用了tfidf,、ig,、chi等算法提取特征词,将上述算法提取出的特征词整合成初步情感词典,再进行手工筛选和调整,构建出较完整的金融情感词典;然后,分别使用多种统计方法将文本向量化,并对情感词的褒贬义和重要词的权值调整进行了比较研究;最后,使用SVM、随机森林、RNN、CNN、gcForest等多种机器学习方法训练情感分析模型。针对金融短文本,本文不仅对基于各种特征词的表示方法进行了探讨,而且对多种机器学习算法在金融语料中所取得的经验性结果进行了详细的比较和实验分析。