FinBERT-RCNN-ATTACK:金融文本情感分析模型

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：段魏诚;薛涛

摘要：金融文本包含投资者的情绪及公众对相关事件的态度。 近年来,自然语言处理已广泛应用于金融领域,对金融文本数据进行情感分析可以得到丰富的投资价值和监管参考价值。 然而由于金融词汇具有专业性和特殊性,现有的通用情感分析模型不适合金融领域情感分析任务,精确度有待提高,且现有模型易受到对抗样本的干扰导致模型结果出错。 为了解决这些问题,提出了一个 FinBERT-RCNN-ATTACK 模型。 利用在金融语料库预训练的 FinBERT 模型进行词嵌入处理,提取语义特征,将提取到的特征引入 RCNN 模型进一步挖掘上下文的关键特征,并且在模型中引入对抗训练,即在嵌入阶段添加扰动,提高模型的鲁棒性和泛化性。 实验结果表明,在金融领域数据集上,提出的模型优于其他情感分析模型,精准度提升了 3% ~ 35% 。

关键词：金融文本;情感分析;FinBERT;循环卷积神经网络;对抗训练