| 管理层讨论与分析(Management discussion and analysis, MD&A)文本中包含大量的隐式情感信息, 无法使用情感词直接判断情感类别. 提出融合句子结构特征、上下文语义特征和外部金融知识与情感信息的金融文本隐式情感识别模型: 使用依存句法分析将 MD&A 文本中的语句表示为依存句法树, 基于图注意力机制获得关键语句的结构特征; 使用 Bi-LSTM 和注意力机制获取关键上下文语义信息; 使用 FinBERT 金融预训练模型引入金融领域知识和情感信息. 在此基础上, 将 MD&A 文本的隐式情感特征应用于企业财务困境预测任务, 提升机器学习算法的预测能力. 实验表明, 该模型可以提升 MD&A 文本的隐式情感特征识别能力, 融合隐式情感特征的机器学习模型可以大幅度提升上市公司财务困境预测效果. |
