华夏沪深300沪深(股票显示沪深是什么意思)

面板概念友邦盛世基金净值2021年4月28日发(作者：阿里谢世煌持股2%华坤道威,大佬为何捧场华坤601015股票 道威新通联(6)

沪深股票信息的文本分类
詹劲松，李立耀，苏宝英


【摘 要】从网上收集相关的文本信息，用ICTCLAS进行分词，用Java编程处
理、转化为Weka的ARFF格式，再利用StringToWordVector过滤器转换为
向量矩阵，最后用三种分类器分别进行分类的股票信息文本分类方法。实验表
明取得了不错的效果。

【期刊名称】福建师大福清分校学报

【年(卷),期】2016(000)002

【总页数】4

【关键词】股票文本，ICTCLAS，文本分类

0 引言

在经济高速发展的今天，股票作为我国金融市场的重要组成部分，有效促进我
国经济发展。股票市场目前正处于发展阶段，上市公司和股民数量正在增加。
股票成为了不少家庭重要的投资领域。如何更好地对股票投资做出正确的决策
显得至关重要。目前国内外关于股票预测的文章很多，有些还取得不错的效果。
文本分类方面的文章也很多，然而将文本分类技术用于我国沪深股票信息的预
测的文章我们还未从文献中看到。

股票网站上关于股票的不同看法、策略的文章或者评论等琳琅满目。大量的股
票文本资料看似毫不相关，却隐藏着一些具有潜在价值的模式和知识。想要从
这些股票文本中获取相关股票的有用的信息，从而指导自己的股票投资行为，
那么对股票文本进行正确而有效的分类显得尤为重要。传统的人工分类和股票600843信息
检索方法已经不再适用于目前的大数据时代。因此，基于机器学习的股票文本
002510股票

分类方法成为一个重要的技术。

本文将用汉语分词器对自然语言的处理应600797用到股票文本，通过分析文本的特点，
合理选择预处理方法，以及准确高效的股票文本分类算法，最后得出一个|持仓是什么意思较为
合理的股票文本分类的判断［1］。文章的重点和难点在于根据沪深股票的实际
情况建立合理的、经实验验证可行的模型。

1 股票文本分类的过程

文本分类是目前研究和应用最多的文本挖掘技术之一。股票文本的分类是按照
事先定义好的主题类别，为文档集合中的每一个文档确定一个类别。股票文本
分类的主要处理过程如下：首先获取文本信息即股票的文本数据集。要使文本
中的词或词语区分出来，采用中国科学院的ICTCLAS分词技术，作为文本信息
的预处理。此时的样本是非结构化的文本，现有的分类技术无法直接应用。因
此，要先将股票文本转化为ARFF格式，然后再转换为矢量模型。最后利用机
器学习各种方法来实现股票文本分类。总之分为如下四个步骤：

从新浪财经、搜狐财经网站收集股票文本用来作为训练集和测试集。我们请经
验丰富的投资人士将这些股票文本进行人工分类。

中科院的开源系统ICTCLAS是功能强大分词工具，我们利用它实现股票文本的
分词。

自己编写Java代码，将分词后的股票文档处理并转化为ARFF格式。

利用数据挖掘平台Weka，对所得到的股票ARFF文件进行过滤处理和分类。

2 预处理和结果调优涉及的概念和技术

2.1 分词技术ICTCLAS

搜集到的股票文本是中文文本，词与词没有分隔符将它们分隔开，每一个句子

宝钢股份股吧
都是由一串连续的词语组成，再加上股票文本中的词具有不同的长度，相同的
字可基金460001出现在许多不同的词中，还有许多词是由单个字组成，这使得对股票文本
中文分词是一项较难的工作，需要快速有效的中芯国际上市股价预测技术。对于大量的股票文本集，
手工分词已经不再适用，因为它不仅繁琐耗时间，而且分词的准确性也不高。
中国科学院ICTCLAS汉语分词不仅是一款分词速度快，而且也是一款分词精度
高的分析器。以此为基础才能继续进行相关的文本分类工作，所以，利用
ICTCLAS分词是股票文本分类工作重要的文本信息预处理过程［2］。

2.2 字符串转换成向量

将字符串型属性转换成一个向量，即将分词后的股票文本转换成一个样本矢量
的数据矩阵，然后像分类一般数据集那样使用分类器进行分类。我们使用的是
Weka的无监督过滤器StringToWordVector。它为每个数据集创建一个词典，
每个文档中如果有某个单词，对应的属性就为1，否则为0。该过滤方法也可
以将TF-IDF设为真值，就可进行文本特征值的提取，即提取常用的词频-逆文
档频率。

2.3 信息增益的特征提取方法

股票文本分类中的属性数量往往也比较多，其中可能存在一些与挖掘不相关的
属性，或者歧义的词语影响Weka的机器判断。高纬度的特征值不仅导致独立
性差，还会使得算法的准确率受到影响。所以，信息增益的特征提取方法减少
不必要的噪声就显得更加的重要。信息增益是信息论中的一个重要概念。它表
示某一个特征项的存在与否对类别预测的影响，定义为考虑某一特征项在文本
中出现前后的信息熵之差。在信息增益中，重要性的衡量标准就是看特征能够
为分类系统带来多少信息，带来的信息越多，603060该特征越重要。信息增益来评估

马盼山站在原地，笑的无比的尴尬。 “唉，老马，你们啊。”刘南天的语气中带着明显的责备：“你们怎么能这么疏忽呢？生产，科研重要，迎接外宾，也重要啊，咱们国家，已经打开国门了，去年咱们还出国去人家那里访问，现在人家过来了，怎么能不让人家感觉到咱们的热情好客呢？咱们可是礼仪之邦啊！” 这个过程中，刘大军和黄川川几乎就剩下在一边当木头人了，本来想着能偷点懒，结果，还得跟着一起干活儿，再看看秦振华那张脸，就不由得有些生气。 “对，就是，你就会在旁边阴阳怪气，你要是有胆子，一起跟着上去啊！”黄川川就在附近，听到了刘大军在怂恿，于是也就跟着开口了。 “推，使劲！”三个人此时都已经踩着没过脚面的水，来到了T-34的坦克后面，冒着对面可能再次射过来的子弹，使劲推着这辆坦克。 只要有上进心的，谁不想考大学，千军万马过独木桥又如何？那可是最好的前途啊！ 如果没有祝老在后面支撑着，那秦振华的这个想法，绝对是不可能实现的，现在，他们这个小组，已经算是和研发室平级的了，这个时候，不知道研发室的那些人，会是什么想法。 他们一机厂，难道不着急吗？