4. 情感词典构建：通用情感词典、金融领域词典与自定义扩展
做金融文本情感分析，词典是绕不开的基础设施。
很多人一上来就怼深度学习模型，觉得词典太老土。我刚开始也这么想，结果被现实狠狠教育了一回——模型在通用场景下表现不错，但一遇到「降准」、「逆回购」、「黑天鹅」这些金融术语，直接就懵了。
说白了，词典是规则派的根基，也是数据增强的利器。今天咱们就聊聊怎么把这三层词典搭起来。
4.1 通用情感词典：BosonNLP 的取舍
通用情感词典里，我比较常用的是 BosonNLP。它基于微博数据构建，覆盖了约 10 万个情感词，正负面都有。
但有个坑——它太「社交化」了。比如「涨停」在 BosonNLP 里是正面词，但在某些场景下（比如「连续涨停后开板」），它其实是风险信号。
BosonNLP 的格式很简单，每行一个词，用空格分隔情感值：
# 示例：BosonNLP 情感词典片段
利好 1.5
利空 -1.8
上涨 1.2
下跌 -1.3
震荡 0.1
突破 1.0
崩盘 -2.0情感值范围通常在 -2 到 2 之间。正值表示正面，负值表示负面，绝对值越大情感越强烈。
4.2 金融领域情感词典：LM 词典的实战应用
说到金融情感词典，就不得不提 Loughran-McDonald（LM）词典。这是学术界公认的金融情感词典标杆。
LM 词典把金融文本中的词分成六类：正面、负面、不确定性、诉讼、强语气、弱语气。我当年做财报情感分析时，就靠它撑起了整个基线系统。
| 类别 | 示例词 | 情感倾向 |
|---|---|---|
| 正面 | profit, growth, successful | +1 |
| 负面 | loss, default, bankruptcy | -1 |
| 不确定性 | uncertain, volatility, risk | 0（但需关注） |
| 诉讼 | lawsuit, litigation, claim | -1 |
| 强语气 | must, always, never | ±1（视上下文） |
| 弱语气 | maybe, possibly, might | 0（削弱情感） |
4.3 自定义词典的构建与扩展
通用词典和领域词典都有了，但还不够。为什么？因为金融行业变化太快了。
我记得 2020 年「熔断」这个词突然爆火，LM 词典里根本没有。如果你只靠现成词典，那段时间的文本分析基本是废的。
所以，自定义词典的构建能力，才是真正的核心竞争力。
4.3.1 基于规则的模式扩展
最简单的方法，是用词根+后缀的模式。比如：
# 模式扩展示例
# 核心词：涨
涨 -> 上涨、暴涨、疯涨、涨停、连涨
# 核心词：跌
跌 -> 下跌、暴跌、狂跌、跌停、连跌
# 核心词：风险
风险 -> 信用风险、市场风险、操作风险、流动性风险嗯，这里要注意：不是所有组合都有情感倾向。比如「涨」本身是正面，但「涨速放缓」就偏中性了。我一般会加一个「上下文修饰词」的规则来兜底。
4.3.2 基于词向量的语义扩展
如果你有金融语料，用 Word2Vec 或 FastText 做语义扩展会更高效。
# 伪代码示例：基于词向量的情感词典扩展
from gensim.models import Word2Vec
# 假设已有金融语料训练好的模型
model = Word2Vec.load('finance_corpus.model')
# 种子词
seed_words = ['利好', '利空', '风险', '收益']
# 扩展：找最相似的 10 个词
for word in seed_words:
similar_words = model.wv.most_similar(word, topn=10)
print(f"{word} 的相似词: {similar_words}")这样做的好处是能发现一些「隐性关联」。比如「利好」的相似词里可能会出现「政策扶持」、「资金流入」这些在通用词典里找不到的词。
4.3.3 基于半监督的迭代扩展
这是我最常用的方法。流程如下：
- 用种子词典对金融文本做初步情感标注
- 提取标注结果中「高频但未登录」的词
- 人工判断这些词的情感倾向
- 加入词典，重新标注
- 重复 2-4 步，直到词典覆盖率达到 90% 以上
说白了，就是「机器初筛 + 人工精标」的循环。虽然听起来笨，但效果最稳。
4.4 知识体系总览
下面这张图，是我做情感词典构建时的核心思路。你可以把它当成一个「施工蓝图」：
4.5 词典融合策略
三层词典都有了，怎么融合？我一般按优先级处理：
- 自定义词典 > 领域词典 > 通用词典：自定义词典的权重最高，因为它最贴近业务
- 情感值加权平均：如果同一个词在多个词典中出现，取加权平均（自定义词典权重 0.6，领域词典 0.3，通用词典 0.1）
- 冲突处理：如果情感倾向相反（比如通用词典标正面，领域词典标负面），以领域词典为准
好了，情感词典这块就聊到这儿。记住一句话：词典不是一次性工程，而是需要持续维护的活资产。你投入多少精力在词典上，你的情感分析系统就会回报你多少。