Sentiment analysis of political news articles

Abstract

В данной работе эмпирический и автоматический анализ тональности политических новостей применяется для предсказания движения индекса МосБиржи. Эмпирический анализ проводится для поиска корреляции между эмоциональной окраской новостных сообщений и значениями индекса на бирже. Автоматический анализ тональности выполняется с использования методов машинного обучения - наивного байесовского классификатора и метода опорных векторов. Созданная программа предсказывает движение индекса МосБиржи с достоверностью 80 %.

In this paper, sentiment analysis of political news is applied for Moskovskaya Birzha index movement prediction. Empirical analysis of news is done in order to find correlation between news sentiment and index values. We apply methods of supervised machine learning, which are Naive Bayes and Support Vector Machine (SVM), to determine mood of political news. The final product predicts index movement with 80 % reliability.