為提高投資決策的科學(xué)性,規(guī)避投資風(fēng)險(xiǎn),目前我國(guó)投資領(lǐng)域正在向量化分析方向發(fā)展。然而,目前的量化投資模型通過(guò)分析交易平臺(tái)的數(shù)據(jù)進(jìn)行決策,非結(jié)構(gòu)化數(shù)據(jù)分析能力較弱。通過(guò)爬蟲(chóng)技術(shù)抓取主流股評(píng)論壇和個(gè)人博客的言論,聚合成關(guān)鍵詞,并基于樸素貝葉斯算法分析這些言論代表的情感,以此預(yù)測(cè)市場(chǎng)對(duì)某項(xiàng)金融政策的反應(yīng),輔助投資決策。 

【文章來(lái)源】：電腦編程技巧與維護(hù). 2020,(07)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
1 概述
    1.1 研究背景
    1.2 選題背景及意義
        1.2.1 跨網(wǎng)站的股市評(píng)論數(shù)據(jù)采集研究
        1.2.2 基于文本聚類的自然語(yǔ)言分析研究
        1.2.3 基于貝葉斯算法的情感分析研究
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 課題研究思路
    1.5 研究方法
2 實(shí)現(xiàn)方法
    2.1 采用知識(shí)圖譜技術(shù)解析信息結(jié)構(gòu)
    2.2 通過(guò)無(wú)監(jiān)督的機(jī)器學(xué)習(xí)方法完成文本聚類
    2.3 進(jìn)行貝葉斯算法的樸素化與半樸素化修正
3 創(chuàng)新點(diǎn)
    3.1 引入數(shù)據(jù)清洗模塊格式化處理數(shù)據(jù)
    3.2 將K-Means算法與切詞技術(shù)應(yīng)用于文本聚類
    3.3 通過(guò)機(jī)器學(xué)習(xí)和獨(dú)立性檢驗(yàn)計(jì)算樸素化修正程度
4 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計(jì)算機(jī)工程與應(yīng)用. 2019(23)
[2]半監(jiān)督聚類綜述[J]. 秦悅,丁世飛.  計(jì)算機(jī)科學(xué). 2019(09)
[3]基于貝葉斯網(wǎng)絡(luò)的技術(shù)進(jìn)步預(yù)測(cè)與路徑優(yōu)化選擇[J]. 王必好,張郁.  科學(xué)學(xué)研究. 2019(08)
[4]綜述貝葉斯理論的發(fā)展及其在分類問(wèn)題中的應(yīng)用[J]. 程玘航.  中國(guó)新通信. 2019(01)
[5]入侵檢測(cè)技術(shù)中k-means聚類算法綜述[J]. 楊文君.  科學(xué)技術(shù)創(chuàng)新. 2018(36)



本文編號(hào)：3449184