声明
1 绪论
1.1 研究背景
1.2 研究目的与意义
1.3 研究内容
1.4 章节安排
2 文献综述
2.1 国外研究综述
2.2 国内研究综述
2.3 文献评述
3 相关理论基础
3.1 逻辑回归方法
3.2 深度学习方法
3.2.1 RNN
3.2.2 LSTM
3.2.3 Bi-LSTM
3.2.4 注意力机制
3.2.5 深度学习方法总结
4 面向财报的 Bi-LSTM+Attention 建模
4.1 财务报告的语言特征分析
4.1.1 专业性
4.1.2 语气
4.1.3 领域用词 领域用词
4.2 整体思路
4.3 模型框架
4.4 模型搭建
4.4.1 词向量训练
4.4.2 实体特征与词性特征
4.4.3 Bi-LSTM 模型
4.4.4 Attention机制
4.4.5 情感分类
4.5 情感分析模型步骤
4.6 企业未来业绩预测模型
4.6.1 Bi-LSTM 实验步骤
4.6.2 基于注意力机制的 Bi-LSTM实验步骤
5 实验与结果分析
5.1 数据采集与整理
5.1.1 数据收集
5.1.2 文本标签
5.1.3 数据清洗
5.1.4 实体标签提取
5.2 实验评价指标
5.3 情感分析实验
5.3.1 语调指标计算
5.3.2 实验结果与分析
5.4 企业未来业绩预测实验
5.5 实验总结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在读期间科研成果目录
西南财经大学;