发帖
雷达卡
金融领域中文情绪词典的构建方法及其词典数据，具体说明如下：
一、姚加权，冯绪，王赞钧，纪荣嵘，张维. 语调、情绪及市场影响：基于金融情绪词典
通过文本分析和机器学习方式构建了金融领域中文情绪词典。词典构建方法具有尽可能避免人工判断，来源于大样本，且适用于中文文本表达等优势。词典针对正式金融文本和社交媒体金融文本的用词差异，分为正式用语情绪词典和非正式用语情绪词典。其中，正式用语情绪词典适用于公司年报等正式文本语调分析，而非正式用语情绪词典则适用于社交媒体等非正式文本情绪分析。
二、Bian S , Jia D , Li F , et al. A New Chinese Financial Sentiment Dictionary for Textual Analysis in Accounting and Finance[J]. Social Science Electronic Publishing.
使用HOWNET、DLUTSD、NTUSD三种词典作为初始词典，并搜集了在线路演纪要（online roadshow transcripts）、业绩说明电话会议纪要（earnings conference call transcripts）、IPO招股报告（IPO prospectus）及公司年报构建了基础语料库。基于算法和人工判断， 使用多阶段剔除法来构建 “中文金融情感词典CFSD”。
具体步骤：
（1）合并HOWNET、DLUTSD、NTUSD三个情感词典，去除重复词
（2）收集了1411篇在线路演纪要、7138篇业绩说明电话会议纪要、2043IPO招股报告和29737公司年报。jieba被用于分割文档，构建 “基础语料”
（3）计算步骤1所有的词在“基础语料”中的词频，词频数为0的词语不予考虑，剔除掉。与金融不相关的词语也剔除掉，最终构建了“CFSD0.0”版本中文金融情感词典。
（4）所有的CFSD0.0版本的词语都来自与三个通用情感词典（HOWNET、DLUTSD、NTUSD），但这三个词典并不包含金融领域常出现的正面词和负面词。我们人工向“CFSD0.0”版情感词典加入了金融领域最常用的100个正面词100个负面词，构建出“CFSD0.1”版中文金融情感词典.
（5）Gensim是python中的一个文本分析库，在本步骤主要用来通过大量的语料训练处词向量。词向量可以使用余弦cos计算出相似性。在本步骤，计算出CFSD0.1版中每个词的词向量，进而从“基础语料”中发现每个词（CFSD0.1中的词）最相似的50个词。剔除掉与金融不关的词（包括相似词、同义词），构建出“CFSD0.2版的中文金融情感词典”
（6）合并“CFSD0.0、CFSD0.1、 CFSD0.2”,剔除掉重复词，最终构建出 “CFSD中文金融情感词典”构件好的CFSD词典有1489个负面词，1108个正面词。
使用时请引用原文，可用于关注上市公司年报、新闻媒体报道和投资者社交媒体发帖等文本中所蕴含的语调与情绪，并藉此展开相关分析。
参考文献在压缩包内
会计金融情绪词典.rar
(2.96 MB, 需要: RMB 15 元)
京公网安备 11010802022788号
