基于ALBERT-BiLSTM-Att的微博评论情感分析研究

针对传统语言模型无法直接提取句子的双向语义特征,导致情感分类准确率较低的情况,提出一种结合预训练语言模型ALBERT、BiLSTM以及Attention机制的微博评论情感分析模型ALBERT-BiLSTM-Att。在公开数据集weibo_senti₁00k上,经过五折交叉验证实验,ALBERT-BiLSTM-Att模型的准确率达到93.30%。     

基于XGBoost算法的上市公司财务报表舞弊识别研究

研究了财务报表舞弊识别问题。以2011-2020年深沪A股上市公司的财务报表为样本数据,引入信息值构建指标筛选模型,提取17个财务变量和4个非财务变量,对样本数据进行清洗和归一化后,运用XGBoost算法对样本数据进行分类。实验结果表明,基于XGBoost算法构建的财务报表舞弊识别模型在所有性能指标上都优于机器学习算法中的逻辑回归、支持向量机和随机森林算法。