技术领域
[0001] 本
发明涉及一种社交媒体对股市影响的分析方法，尤其涉及的是一种微博情感分析方法。
背景技术
[0002] 在Web2.0时代的主流网络社交平台中,微博已经成为广大互联网用户最为喜爱的社交工 具之一。在以速度和效率为标准的
信息时代,微博不仅为网络用户提供了跨越时间和距离的即 时通讯互动平台：同时微博还为网络用户提供了表现自我、表达情感和展现个性的动态展示 平台。微博消息每时每刻都在不断更新,不计其数的带有情感信息的微博文本,使得针对微博 进行情感分析的研究成为可能。
[0003] 微博相比于博客，其内容只是由简单的只言片语组成，而且在语言的编排组织上没有博 客数据规范，字数限制在140以内，提取准确的信息则更为困难；微博最大特点是：发布信 息快速，信息传播速度快，存在关注和互相关注的行为，影响
力的评判是需要探究的；而且 微博内容具有一定的随意性，情感的表露是直接的，但并不是关注的大V发表的每一条微博 都与股市相关，需要按照关键字如“股市”、“股票”、“
证券”、“阳线”等做出筛选。
发明内容
[0004] 本发明所要解决的技术问题在于：如何根据微博数据进行有效的投资指导，提供了一种 微博情感分析方法。
[0005] 本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：
[0006] (1)爬取微博数据，计算微博情感值；
[0007] (2)将与股市相关的微博进行标签分类；
[0008] (3)使用Smote的
随机森林模型对获得的新微博数据进行类别预测；
[0009] (4)使用基于Smote的随机森林
算法对每篇微博的情感分类具体如下：
[0010] (41)对于第j篇微博，假设其转发量为rj，评论量为cj，点赞量为zj，定义该篇微 博的热度ωj计算公式为：
[0011]
[0012] (42)若第i个大V在一段时期内发表与股市相关的微博共mi篇，则该大V在该时期通 过发表微博传递的三种情感分别为：
[0013]
[0014]
[0015]
[0016] 消极情感、无情感、积极情感三种类别概率分别为p-1j、p0j、p1j；
[0017] (43)记第i个大V在该时期的关注人数为focusi，粉丝人数为fansi，发微博总数为weiboi， c1、c2为给定的常数，在评价大V影响力 时，定义如下：
[0018]
[0019]
[0020] Fansi＝fansi
[0021] 则
[0022]
[0023] (44)微博平台上n个大V的整体情感指标为：
[0024] 消极情绪指标Qbad：
[0025] 无情绪指标Qave：
[0026] 积极情绪指标Qgood：
[0027] 所述步骤(1)包括以下步骤：
[0028] (11)建立情感字典，包括积极消极字典，程度词字典，否定词字典，以及表情词语字 典；
[0029] (12)计算微博情感值：假设积极消极情感词S对应的权重Si，
表情符号SS对应的权重 为SSi，每篇微博经过切词、清洗等后获取到m1个积极消极情感词，m2种不同的表情词， 且第i种表情词的个数为ni，
[0030] 若有m(≤m1)个积极消极情感词之前仅出现权重为Wi的程度词修饰，则该篇微博的情感 值Ok为：
[0031]
[0032] 若有m(≤m1)个积极消极情感词之前仅出现权重为Wino的否定词修饰，则该篇微博的情感 值Ok为：
[0033]
[0034] 若有m(≤m1)个积极消极情感词之前既有权重为Wi的程度词修饰，又有权重为Wino的否定 词修饰，则该篇微博的情感值Ok为：
[0035]
[0036] 所述步骤(2)中，将与股市相关的微博人工划分为三大类：
[0037] 第一类是表达对股市积极情绪的微博，情感标签设置为1，第二类是表达对股市消极情 感的微博，情感标签设置为-1，第三类是未表达情感观点的微博，情感标签设置为0。
[0038] 选取基于Smote的随机森林算法对原始样本做分类，分类器中训练样本的自变量按照情 感分析字典设计的权重程度，基于所述计算情感值的方法获取的，即：分别对不同类型、不 同权重的词语计算得分。
[0039] 根据得分对每一篇微博提取出12维属性，其中积极情感分为3维度，消极情感分为3维 度，程度词分为4维度，否定词为1维度，情感值为1维度。
[0040] 本发明相比
现有技术具有以下优点：本发明对微博情绪进行分析时，当消极情绪相对较 高时，恰逢大盘(上证指数)呈现出某种程度的下跌，微博情绪表现与大盘趋势是较一致的， 大盘趋势也可以通过情绪
波动来展现。微博看多看空，可以作为服务项目，提供给客户做决 策参考。股市外围数据分析对研究媒体与证券市场之间的相互影响关系，帮助投资者去掉投 机心理、树立投资理念都有着重要的作用。
附图说明
[0041] 图1是本发明的情感字典中部分带权重的词语；
[0042] 图2是部分微博数据的情感标签图；
[0043] 图3是基于Smote的随机森林模型训练结果；
[0044] 图4是微博整体各情感趋势图；图5是大盘(上证指数)行情K线图。
具体实施方式
[0045] 下面对本发明的
实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施， 给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0046] 本实施例首先爬取微博数据，主要可获取到的信息包括：发表时间、昵称、微博者id号、 转发数、评论数、点赞数、微博内容以及微博评论人的等级、认证情况、粉丝数、性别、住 址等数据。主要是通过设置是否关注知名评估大V数目、间隔时间来获取大量微博，关注的 大V主要按照粉丝量筛选。
[0047] 微博情感分析主要研究股票大V在一段时期内的积极或者消极情绪，在某种程度上可以 客观的反映出股票市场上投资者的投资信心。进行情感分析的必要环节是建立带权重的情感 字典，对每篇微博进行切词、清洗、匹配情感字典等，计算出一个情感值，以此来衡量微博 情感的重要指标。
[0048] 建立的情感字典只要包括：积极消极字典.txt，程度词字典.txt，否定词字典.txt，考 虑到表情符号的广泛使用，将表情词语也添加到字典情感字典里，并赋予其相应的权重，部 分带权重的词语如图1所示。
[0049] 微博情感值计算方法如下：假设积极消极情感词S对应的权重Si，表情符号SS对应的权 重为SSi，每篇微博经过切词、清洗等后获取到m1个积极消极情感词，m2种不同的表情词， 且第i种表情词的个数为ni。
[0050] 若有m(≤m1)个积极消极情感词之前仅出现权重为Wi的程度词修饰，则该篇微博的情感 值Ok为：
[0051]
[0052] 若有m(≤m1)个积极消极情感词之前仅出现权重为Wino的否定词修饰，则该篇微博的情感 值Ok为：
[0053]
[0054] 若有m(≤m1)个积极消极情感词之前既有权重为Wi的程度词修饰，又有权重为Wino的否定 词修饰，则该篇微博的情感值Ok为：
[0055]
[0056] 本实施例对837篇微博进行人工标记，初步统计，与股市相关的微博约占总微博数的1/2， 将其划分为三大类：第一类是表达对股市积极情绪的微博，情感标签设置为1，第二类是表 达对股市消极情感的微博，情感标签设置为-1，第三类是未表达情感观点的微博，情感标签 设置为0，图2是部分微博数据的情感标签图。
[0057] 通过上述微博情感值计算方法，计算出每篇与股市相关的微博的情感值，考虑到根据给 定的情感
阈值进行微博分类可能存在一定的偏差性，将会直接影响到分类的正确率，尝试使 用logistic回归、随机森林、
深度神经网络等做分类器对微博进行情感分析，由于原始样本 数据存在不均衡的现象，为了保证分类器的分类效果，本实施例使用Smote算法对原始样本 进行了均衡，对比各分类器的分类效果后最终选取基于Smote的随机森林算法做分类。
[0058] 分类器中训练样本的自变量是按照情感分析字典设计的权重程度，基于上述计算情感值 的规则获取的，即：分别对不同类型、不同权重的词语计算得分。根据得分对每一篇微博提 取出12维属性，其中积极情感分为3维度，消极情感分为3维度，程度词分为4维度，否定 词为1维度，情感值为1维度。
[0059] 对已有标签的微博数据，使用基于Smote的随机森林模型进行训练，4/5样本作训练， 1/5样本作测试，初步结果如图3所示。
[0060] 从整体正确率和各类别指标上来看，Smote的随机森林模型是可以直接用来对新微博数 据进行预测的，本实施例使用上述训练模型，对每日获取到的新微博数据进行类别预测。
[0061] 使用基于Smote的随机森林算法实现对每篇微博的情感分类，记对第j篇微博分类时， 获得的消极情感、无情感、积极情感三种类别概率分别为p-1j、p0j、p1j，据此判断微博平 台上整体的情感状况，不仅要考虑每篇微博的热度ωj，也需要考虑到不同大V的影响力下面详细给出整体情感指标Qbad、Qave、Qgood的计算步骤：
[0062] Step1：对于第j篇微博，假设其转发量为rj，评论量为cj，点赞量为zj，定义该篇微 博的“热度”计算公式为：
[0063]
[0064] 考虑到点赞量数值较大，一般情况下约为评论量、转发量的5-10倍，将其给与0.2倍惩 罚，使得三者几乎处于相同数量级范围内。
[0065] Step2：若第i个大V在一段时期内发表与股市相关的微博共mi篇，则该大V在该时期通 过发表微博传递的三种情感分别为：
[0066]
[0067] Step3：记第i个大V在该时期的关注人数为focusi，粉丝人数为fansi，发微博总数为 weiboi，c1、c2为给定的常数。考虑到微博中存在“互相关注”和“话痨”的现象，在评价大 V“影响力” 时，对关注人数和发微博总数给与一定程度的惩罚，具体定义为：
[0068]
[0069]
[0070] Fansi＝fansi
[0071] 则
[0072]
[0073] Step4：微博平台上n个大V的整体情感指标为：
[0074] 消极情绪指标Qbad：
[0075] 无情绪指标Qave：
[0076] 积极情绪指标Qgood：
[0077] 使用上述指标计算方法，对2017年1月15日至2017年2月15日期间微博平台上96位 大V进行情感趋势探索，绘制趋势图如图4所示，对比图5的大盘(上证指数)行情K线图。
[0078] 可以看出：
[0079] 一般情况下，无情感指标所占的比例较大，从某种程度上反映出发表的微博中大部分没 有情感倾向。
[0080] 一般情况下，积极情感指标高于消极情感，两者在一定范围内正常波动，波动较大时可 能存在股市上较大的变化。
[0081] 对比图4和图5可以发现，虽然多数情况下情绪呈现出偏积极状态，但是，当消极情绪 相对较高时，恰逢大盘(上证指数)呈现出某种程度的下跌，微博情绪表现与大盘趋势是较 一致的，大盘趋势也可以通过情绪波动来展现。
[0082] 微博看多看空，可以作为服务项目，提供给客户做决策参考。客户可以正着看，也可以 反着看。结合客户自己的判断完成最后的投资操作。
[0083] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原 则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
