一直对量化投资感兴趣,看到一篇关于《基于copula理论的金融风险相依结构模型及应用》感觉很有趣,准备动手写个类似的工具。一路摸索选择了以下工具:
爬虫 crawler4j,
新闻正文提取用了WebCollector-2.31.jar 的api
分词摘要提取用了ansj_seg,
word2vec 相关度分析
lingpipe-4.1.0.jar 情感分析
数据存储选择了elasticsearch,neo4j
展现 echart
"news": {
- "properties": {
- "summary": {//摘要
- "type": "string"
- "id": {
- "type": "long"
- "content": {//正文
- "type": "string"
- "title": {//标题
- "type": "string"
- "keywords": {//关键字
- "type": "string"
- "feedurl": {//种子网站
- "type": "string"
- "publishdate": {//发布时间
- "format": "strict_date_optional_time||epoch_millis",
- "type": "date"
- "url": {//新闻网址
- "type": "string"
- "summary": {//摘要
1、用tushare下载了所有股票代码和名称,在搜狗字典中下载了股票简称和股市情绪字典,常用的情绪字典,处理后加入ansj_seg的自定义用户字典
2、用爬虫在新浪财经上爬取了5万条新闻作为语料,word2vec训练,得到常用金融词汇的相关词
3、情感分析准备用两种方式实现:
一、训练lingpipe模型
二、情感字典的方式,每篇文章分词写入neo4j后,结合情感字典进行分析,然后判断正文所有句子的极性,摘要的极性,最后得出文本的极性