[發(fā)明專利]一種股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法及構(gòu)建系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201510511588.1
• 申請(qǐng)日: 2015-08-19
• 公開(kāi)（公告）號(hào): CN105069141A
• 公開(kāi)（公告）日: 2015-11-18
• 發(fā)明（設(shè)計(jì)）人: 金學(xué)波
• 申請(qǐng)（專利權(quán)）人: 北京工商大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 楊立

1.一種股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法，其特征在于，包括如下步驟，

步驟S1：獲取股票新聞信息；

步驟S2：根據(jù)股票新聞信息構(gòu)建股票標(biāo)準(zhǔn)庫(kù)Z₀；

步驟S3：對(duì)股票標(biāo)準(zhǔn)庫(kù)中的文本進(jìn)行預(yù)編譯；

步驟S4：對(duì)已編譯文本的特征進(jìn)行標(biāo)識(shí)，選取特征詞；

步驟S5：計(jì)算特征詞的信息增益，得到特征詞的特征值；

步驟S6：利用特征值訓(xùn)練支持SVM算法，得到抽取新聞特征的分類模型；

步驟S7：利用分類模型更新股票標(biāo)準(zhǔn)庫(kù)；

步驟S8：重復(fù)步驟S3至步驟S6，調(diào)整股票標(biāo)準(zhǔn)庫(kù)中的新聞組成，直至分類結(jié)果正確率大于閾值。

2.根據(jù)權(quán)利要求1所述的股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法，其特征在于，獲取股票新聞信息的方法為使用互聯(lián)網(wǎng)工具網(wǎng)絡(luò)爬蟲(chóng)從互聯(lián)網(wǎng)中獲取股票新聞信息。

3.根據(jù)權(quán)利要求1所述的股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法，其特征在于，所述步驟S2構(gòu)建股票標(biāo)準(zhǔn)庫(kù)的方法為根據(jù)獲取的股票新聞信息，逐條判斷新聞信息對(duì)股票是看漲或看跌，如果看漲，則該條新聞信息歸類為積極新聞，如果看跌則該條新聞歸類為消極新聞，積極新聞和消極新聞共同構(gòu)成股票標(biāo)準(zhǔn)庫(kù)Z₀。

4.根據(jù)權(quán)利要求1所述的股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法，其特征在于，所述步驟S3中對(duì)股票標(biāo)準(zhǔn)庫(kù)中的文本進(jìn)行預(yù)編譯，預(yù)編譯包括對(duì)新聞信息進(jìn)行分詞和去除停用詞；

分詞，采用Jieba分詞系統(tǒng)，基于前綴詞典實(shí)現(xiàn)詞圖掃描，生成句子中漢字所有可能成詞情況所構(gòu)成的有向無(wú)環(huán)圖，采用動(dòng)態(tài)規(guī)劃查找最大概率路徑，找出基于詞頻的最大切分組合；

去除停用詞，定義停用詞，利用Jieba分詞工具去除停用詞。

5.根據(jù)權(quán)利要求1所述的股票標(biāo)準(zhǔn)新聞庫(kù)的構(gòu)建方法，其特征在于，采用TF-IDF加權(quán)法對(duì)所述步驟S4中文本特征進(jìn)行標(biāo)識(shí)；

TF-IDF加權(quán)法為詞頻TF與逆向文檔頻率IDF的乘積，TF表示詞語(yǔ)在文件d中出現(xiàn)的頻率，IDF是判斷詞語(yǔ)在其他文檔中出現(xiàn)次數(shù)的一種度量，用于判斷詞語(yǔ)的類別區(qū)分能力；

對(duì)于在某一特定語(yǔ)料中的詞語(yǔ)t_i來(lái)說(shuō)，TF的計(jì)算方法為：

TFi,j=ni,jΣ1knk,j]]>

上式中n_i，j是該詞語(yǔ)在文檔d_j中的顯現(xiàn)次數(shù)，而分母則是在文檔d_j中所有詞語(yǔ)的顯現(xiàn)次數(shù)之總和；

IDF由總文檔數(shù)目除以包含該詞語(yǔ)的文檔的數(shù)目，再將所得到的商取對(duì)數(shù)得到：

IDFi=log|D|1+|{j:ti∈dj}|]]>

其中|D|：股票標(biāo)準(zhǔn)庫(kù)的文檔總數(shù)；

|{j：t_i∈d_j}|：包含詞語(yǔ)t_i的文檔數(shù)目(即n_i，j≠0的文檔數(shù)目)，如果該詞語(yǔ)在語(yǔ)料庫(kù)中不存在，就會(huì)導(dǎo)致分母為零，因此使用1+|{j：t_i∈d_j}|作為特征選擇方法；

TF-IDF加權(quán)法的計(jì)算方法如下：

TFIDF_i，j＝TF_i，j*IDF_i。