梁士力;陈一新;陈培培;孙利民 基于社会情感数据挖掘的股市预测研究。 (中文。英文摘要) Zbl 1474.91198号 J.东北规范。大学,自然科学。预计起飞时间。 52,第3期,105-110(2020年). 摘要:随着互联网和数据服务的快速发展,从大数据中发现高附加值信息具有重要意义。由此可见,数据分类挖掘是海量数据研究中的一项关键技术。基于基于互信息和分支熵的自然语言处理技术来发现新词,从股市建立了一个金融情绪词典,然后提出了一种结合粒子群优化阈值的改进朴素贝叶斯算法,从中可以分析股市。与其他几种预测方法相比,该方法的准确率为90.6%,预测结果较为理想。 MSC公司: 91G15型 金融市场 62P05号 统计学在精算科学和金融数学中的应用 62M20型 随机过程推断和预测 62兰特 大数据和数据科学的统计方面 68T50型 自然语言处理 关键词:数据挖掘;新词发现;相互信息;贝叶斯概率;情绪分析;自然语言处理 PDF格式BibTeX公司 XML格式引用 \textit{S.Liang}等人,J.东北规范。大学,自然科学。第52版,第3期,105--110(2020;Zbl 1474.91198) 全文: 内政部