基于 svm 的金融咨询情感分析

详细代码与代码说明可见我的 github：https://github.com/ouprince/svm

处理流程：

（1）金融咨询处理

1.利用 7 万多条利好/利空语料（已经标注好的，分为 1 正性，-1 负性两类），首先采用 B-gram 卡方差提取特征词汇

2.使用卡方提取的特征词为每一篇咨询建立向量表示模型

3.使用向量进行 svm 分割，训练语料 80%，测试语料 20%，并评估模型准确率，保存模型。

4.加载保存的模型进行 利好/利空 预测。

模型效果：正面咨询识别率 0.96 ，负面咨询识别率 0.82，总体识别率 0.91 左右。

（2）app 评论处理

流程同上，只不过训练的语料不同并且采用 ngram = 1，由于语料是我自己标注的 502 条评论数据，因此模型的准确率达不到金融咨询的基于 7万 多条语料处理的模型。对负面评论的识别率大概在 0.82 左右，总体识别率在 0.86 左右。