Project

SENTiVENT: event extractie en sentimentanalyse voor financiële toepassingen.

Acroniem
SentEvent
Code
3S008617
Looptijd
01-01-2017 → 31-12-2021
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Humanities
    • Computational linguistics
    • Corpus linguistics
  • Natural sciences
    • Data mining
    • Machine learning and decision making
    • Natural language processing
    • Information retrieval and web search
    • Ontologies, data curation and text mining
  • Social sciences
    • Knowledge representation and machine learning
    • Business economics
    • Applied economics not elsewhere classified
Trefwoorden
sentimentanalyse event-extractie financiële analyse-applicaties text mining information retrieval machinaal leren natuurlijke taalverwerking
 
Projectomschrijving

In economisch nieuws geven journalisten en analisten ook objectieve informatie over recente gebeurtenissen bespreken van de implicaties van gebeurtenissen op een impliciet subjectieve manier. We onderzoeken text mining benaderingen voor het extraheren van gestructureerde feitelijke gegevens naast subjectieve informatie uit het Nederlands en Engelse economische nieuwsrapportage. Event-extractie verkrijgt gedetailleerde informatie over economisch evenementen zoals overnames, wijzigingen van de CEO of productlanceringen: het vat een evenement samen en vertelt ons
wie is betrokken bij welk evenement met welke evenementeigenschappen. Aspect-gebaseerde sentimentanalyse geeft ons een overzicht van wat een negatieve of positieve mening is over welk deel van een evenement of entiteit. In standaard sentimentanalyse wordt alleen expliciet uitgedrukt sentiment gedetecteerd ("Dit film is fantastisch. ") en huidige systemen gaan niet om met impliciete gevoelens van gezond verstand wat connotentieel verbonden is met bepaalde gebeurtenissen of situaties. Bijvoorbeeld: "Motorola ziet een omzetverhoging "duidt op een positief sentiment ten opzichte van het bedrijf. Dit impliciete sentiment maakt de helft van de opinies uit in economisch nieuws, dus de verwerking ervan is belangrijk financiële technologietoepassingen maken. Als validatie zijn de geëxtraheerde feiten en opiniegegevens vergeleken met oordelen van financiële analisten en wordt gebruikt in aandelenprijsvoorspellingsexperimenten waar we automatisch de koersbewegingen van aandelen voorspellen.