Feature Selection Research on Financial Text Understanding

摘要

互联网上海量的金融文本数据（财经新闻，研究报告，股吧论坛等）蕴含着丰富的信息，而这些信息与很多财经事件或证券走势存在着密切的关系。如何让机器自动理解这些大量的金融文本数据，给出有价值的信息，就成为一个很有价值的工作。 选择合适的特征词集合（特征集）是金融文本理解的一个基础且不可逾越的环节。合适的特征集不仅要有好的分类能力，而且还要有好的稳定性，即对训练数据的低敏感性。 本文首先根据金融文本理解的具体任务，初选一个较大的候选特征集。接着，应用SVM-RFE和随机森林特征选择算法从该候选特征集中选择特征，并分析其在稳定性方面的不足；然后，给出了一种基于训练样本摄动的组合特征选择算法，并比较了它...