テキスト・マイニング/テキスト分類による市場予測の編集

入力がテキストで出力が離散値（カテゴリー）のもの．

次の２つのタイプがある．
-銘柄やインデックスを上昇または下降に分類する
-ニュース記事を良いニュースまたは悪いニュースに分類する

[[テキスト回帰分析>テキスト・マイニング/テキスト回帰分析]]（出力が連続値のもの）はこちら．

*SVM [#n12f1173]

-[[''Topic-dependent sentiment analysis of financial blogs'':http://doi.acm.org/10.1145/1651461.1651464]]~
Neil O'Hare, Michael Davy, Adam Bermingham, Paul Ferguson, Páraic Sheridan, Cathal Gurrin, Alan F. Smeaton~
CIKM 2009 Workshop on Topic-sentiment analysis for mass opinion, pp. 9-16 (2009)~
内容: 金融系のブログ記事をとてもネガティブ，ネガティブ，ニュートラル，ポジティブ，とてもポジティブ，両方，無関係，わからないのいずれかに分類する．
-[[''News aware volatility forecasting: is the content of news important?'':http://portal.acm.org/citation.cfm?id=1378245.1378267]]~
Calum S. Robertson, Shlomo Geva, Rodney C. Wolff~
AusDM 2007, pp. 161-170 (2007)~
内容: ニュースを興味深いもの（市場がいつもと違う動きをするもの）とそうでないものに分類する．
-[[''Forecasting Intraday Stock Price Trends with Text Mining Techniques'':http://portal.acm.org/citation.cfm?id=962898]]~
Marc-André Mittermayer~
HICSS 2004, Vol. 3, Issue C, p. 30064.2 (2004)~
内容: ニュース記事を良い，悪い，どちらでもない（No Movers）のいずれかに分類する．
-[[''Good News or Bad News? Let the Market Decide'':http://www.aaai.org/Library/Symposia/Spring/ss04-07.php]]~
Moshe Koppel and Itai Shtrimberg~
2004 AAAI Spring Symposium on Exploring Attitude and Affect in Text: Theories and Applications, pp. 86-88 (2004).~
内容: ある企業に関するニュースをポジティブまたはネガティブに分類する．
-[[''News Sensitive Stock Trend Prediction'':http://www.springerlink.com/content/h1m3pmxtd7htkymn]]~
Gabriel Pui Cheong Fung, Jeffrey Xu Yu, and Wai Lam~
PAKDD 2002, pp. 481-493 (2002)~
内容: ニュース記事を分析し，トレンドを上昇，下落，安定のいずれかに分類する．

*Naïve Bayes [#ff012a00]

-[[''Topic-dependent sentiment analysis of financial blogs'':http://doi.acm.org/10.1145/1651461.1651464]]~
Neil O'Hare, Michael Davy, Adam Bermingham, Paul Ferguson, Páraic Sheridan, Cathal Gurrin, Alan F. Smeaton~
CIKM 2009 Workshop on Topic-sentiment analysis for mass opinion, pp. 9-16 (2009)~
内容: 金融系のブログ記事をとてもネガティブ，ネガティブ，ニュートラル，ポジティブ，とてもポジティブ，両方，無関係，わからないのいずれかに分類する．
-''Using News Articles to Predict Stock Price Movements''~
Győző Gidófalvi, Charles Elkan~
Tech. Report, Department of Computer Science and Engineering, University of California at San Diego (2003).~
内容: ニュース記事を分析し，20分後の株価について上昇，下落，そのままのいずれかに分類する．
-[[''Text Classification for Intelligent Portfolio Management'':http://www.ri.cmu.edu/publication_view.html?pub_id=3976]]~
Young-Woo Seo, Joseph Andrew Giampapa, and Katia Sycara~
Tech. Report CMU-RI-TR-02-14, Robotics Institute, Carnegie Mellon University (2002).~
内容: ニュース記事を分析し，記事を良い，たぶん良い，ふつう，たぶん悪い，悪いのいずれかに分類する．
-[[''Language models for financial news recommendation'':http://doi.acm.org/10.1145/354756.354845]]~
Victor Lavrenko, Matt Schmill, Dawn Lawrie, Paul Ogilvie, David Jensen, James Allan~
CIKM 2000, pp. 389-396 (2000).~
内容: ニュース記事を分析し，上昇トレンド，下降トレンド，フラットのいずれかに分類する．
-[[''Mining of concurrent text and time series'':http://www.cs.cmu.edu/~dunja/WshKDD2000.html]]~
Victor Lavrenko, Matt Schmill, Dawn Lawrie, Paul Ogilvie, David Jensen, James Allan~
KDD 2000 Workshop on Text Mining, pp. 37-44 (2000).~
同上．

*決定木 [#w8e4a1ec]

-[[''News aware volatility forecasting: is the content of news important?'':http://portal.acm.org/citation.cfm?id=1378245.1378267]]~
Calum S. Robertson, Shlomo Geva, Rodney C. Wolff~
AusDM 2007, pp. 161-170 (2007)~
内容: ニュースを興味深いもの（市場がいつもと違う動きをするもの）とそうでないものに分類する．

*GA [#fa052b09]

-[[''Integrating Genetic Algorithms and Text Learning for Financial Prediction'':http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.34.8655]]~
James Thomas, Katia Sycara~
GECCO 2000, pp. 72-75 (2000).~
内容: ある銘柄についてのチャットのテキストを分析し，その銘柄をカイまたはウリのいずれかに分類する．

タイムスタンプを変更しない

入力がテキストで出力が離散値（カテゴリー）のもの．

次の２つのタイプがある．
-銘柄やインデックスを上昇または下降に分類する
-ニュース記事を良いニュースまたは悪いニュースに分類する

[[テキスト回帰分析>テキスト・マイニング/テキスト回帰分析]]（出力が連続値のもの）はこちら．

*SVM [#n12f1173]

*Naïve Bayes [#ff012a00]

-[[''Topic-dependent sentiment analysis of financial blogs'':http://doi.acm.org/10.1145/1651461.1651464]]~
Neil O'Hare, Michael Davy, Adam Bermingham, Paul Ferguson, Páraic Sheridan, Cathal Gurrin, Alan F. Smeaton~
CIKM 2009 Workshop on Topic-sentiment analysis for mass opinion, pp. 9-16 (2009)~
内容: 金融系のブログ記事をとてもネガティブ，ネガティブ，ニュートラル，ポジティブ，とてもポジティブ，両方，無関係，わからないのいずれかに分類する．
-''Using News Articles to Predict Stock Price Movements''~
Győző Gidófalvi, Charles Elkan~
Tech. Report, Department of Computer Science and Engineering, University of California at San Diego (2003).~
内容: ニュース記事を分析し，20分後の株価について上昇，下落，そのままのいずれかに分類する．
-[[''Text Classification for Intelligent Portfolio Management'':http://www.ri.cmu.edu/publication_view.html?pub_id=3976]]~
Young-Woo Seo, Joseph Andrew Giampapa, and Katia Sycara~
Tech. Report CMU-RI-TR-02-14, Robotics Institute, Carnegie Mellon University (2002).~
内容: ニュース記事を分析し，記事を良い，たぶん良い，ふつう，たぶん悪い，悪いのいずれかに分類する．
-[[''Language models for financial news recommendation'':http://doi.acm.org/10.1145/354756.354845]]~
Victor Lavrenko, Matt Schmill, Dawn Lawrie, Paul Ogilvie, David Jensen, James Allan~
CIKM 2000, pp. 389-396 (2000).~
内容: ニュース記事を分析し，上昇トレンド，下降トレンド，フラットのいずれかに分類する．
-[[''Mining of concurrent text and time series'':http://www.cs.cmu.edu/~dunja/WshKDD2000.html]]~
Victor Lavrenko, Matt Schmill, Dawn Lawrie, Paul Ogilvie, David Jensen, James Allan~
KDD 2000 Workshop on Text Mining, pp. 37-44 (2000).~
同上．

*決定木 [#w8e4a1ec]

*GA [#fa052b09]

テキスト整形のルールを表示する