Análise de sentimento de notícias financeiras usando o modelo bert

Resumo

As decisões financeiras dependem muito da análise correta de sentimentos. Os métodos tradicionais frequentemente não conseguem captar os sentimentos ocultos. Um conjunto de dados do mercado financeiro com 5.842 avaliações foi coletado para análise. Entre elas, 1.852 avaliações eram positivas, 860 eram negativas e 3.130 eram neutras. Após a redução da amostragem, os dados foram divididos em dois grupos: o conjunto de treinamento e o conjunto de teste. O conjunto de treinamento foi empregado para treinar o modelo, enquanto o conjunto de teste foi reservado para avaliação. Este estudo aplica uma abordagem de aprendizagem profunda usando o modelo Bidirectional Encoder Representations from Transformers (BERT) para treinar o conjunto de dados. O desempenho do modelo foi medido usando exatidão, precisão, recuperação e pontuação F1. O modelo apresentou um alto desempenho com uma exatidão de 95,29%, precisão de 95,37%, recuperação de 95,24% e uma perda mínima de 9,07%. Notavelmente, a pontuação F1, que fornece uma avaliação equilibrada da eficiência do modelo, é de 95,32%. Essas descobertas destacam a eficácia do modelo BERT na condução da análise de sentimentos nos mercados financeiros. O estudo não apenas aprimora o campo da análise de sentimentos financeiros, mas também enfatiza a praticidade e a confiabilidade do uso de técnicas de aprendizagem profunda para extrair percepções significativas de dados financeiros.