一一中文网

手机浏览器扫描二维码访问

第73章 情绪指标（第2页）

林晨没有选择复杂的深度学习模型——训练样本标注是大问题，而且计算成本太高。

他调研了几个开源的中文情感分析工具，最终选择了SnowNLp。

这个库基于朴素贝叶斯算法，虽然精度不是最高，但胜在简单易用，且对网络语言的适应性不错。

他写了个测试脚本，输入几段典型的股吧评论：

“明天高开高走，信我！”

“垃圾公司，财报造假实锤了。”

“跌了五个点，麻了，装死吧。”

“利好出尽是利空，懂的都懂。”

SnowNLp给出的情感分值基本符合直觉：0.85、0.12、0.35、0.45。

林晨又手动标注了100条评论作为验证集，计算出的准确率约78%。

对于情绪趋势分析来说，这个精度可以接受——他要的不是判断每条评论的绝对情感，而是统计整体情绪倾向。

“但还有个问题”

。

林晨盯着屏幕，“有些评论看似情绪强烈，其实是在反讽”

。

比如那条“明天涨停我直播吃键盘”

，表面看是极度看好，实际上老股民都知道，这往往是反向指标，表达的是对“涨停鼓吹者”

的嘲讽。

这种语言现象，简单的词袋模型很难捕捉。

林晨思考片刻，决定加入两个补充规则：一是识别常见反讽句式模板，二是引入表情符号权重。

股吧评论里，“[微笑]”

往往不是真的微笑，“狗头保命”

更是经典的免责声明。

他整理了二十几种常见模式，写了个简单的规则引擎前置处理。

做完这些，天已经蒙蒙亮。

林晨煮了杯咖啡，继续第三步：特征工程。

情绪数据是时间序列，如何转化为模型可用的特征？他设计了几种方案：

当日情绪均值：收盘后两小时内所有评论的情感得分平均值。

情绪波动率：情感得分的标准差，反映情绪分歧程度。

情绪动量：当日情绪均值与过去五日均值的差值。

极端情绪占比：情感得分＞0.8（极度乐观）或＜0.2（极度悲观）的评论比例。

情绪词频：出现“涨停”

“牛市”