（2020年 第11期 总第64期）
金融大数据研究中心、百融云创
【摘要】 过去十年随着深度学习的崛起，人工智能在自然语言处理、机器视觉等很多应用领域取得了突破性进展。情绪分析是自然语言处理领域的一个重要研究课题，近几年越来越多的研究工作在积极探索利用深度学习来更好地解决文本情绪分析的问题。两大方面因素促使该研究方向成为热点和重点：一方面网络的全面普及和社会化媒体（例如Twitter、博客、维基、论坛、社交网络、内容社区等）的快速发展使人类社会积累了史无前例的大量的文本数据，这如同创造了一片全新的文本数据的“海洋”；另一方面深度学习技术的突破为大规模自动化处理包括文本在内的非结构化数据提供了强大有效的工具，这也使得高效探索文本信息海洋并从中挖掘相关的知识成为可能。
除了传统的结构化数据，经济金融领域也积累了大量相关的文本信息，所以文本分析技术的发展无疑对经济金融学术研究和产业应用都有巨大潜在影响力。在前述两方面因素的共同驱动下，利用深度学习进行文本挖掘成为机器学习和金融科技领域共同的研究热点。
本文旨在汇总分析深度学习在文本分析中的应用和取得的成果。为此，我们首先探讨分析了深度学习架构近几年的最新突破和进展；在此基础上，本文汇总整理了不同深度学习架构在文本挖掘上的应用和成果；最后，我们指出了该领域当前仍面临的挑战和今后的一些研究方向。
（注：本篇报告主要基于外文参考文献展开研究，正文以英文形式呈现。）
总第64期 金融科技研究报告2020-11：Deep Learning for Sentiment Analysis
