Sentiment Classification of Thai Central Bank Press Releases Using Supervised Learning

要約

中央銀行のコミュニケーションは、経済的期待と金融政策の有効性を形成する上で重要な役割を果たしています。
この研究では、監督された機械学習技術を適用して、タイ銀行からのプレスリリースの感情を分類し、主に語彙ベースのアプローチに焦点を当てた研究のギャップに対処します。
私の調査結果は、監視された学習は、データセットが小さい場合でも効果的な方法であり、さらなる自動化の出発点として機能することを示しています。
ただし、より高い精度とより良い一般化を達成するには、かなりの量のラベル付きデータが必要です。これは時間がかかり、専門知識を要求します。
Na \ ‘iveベイズ、ランダムフォレスト、SVMなどのモデルを使用して、この研究は、中央銀行のセンチメント分析のための機械学習の適用可能性を実証し、ケーススタディとしてタイ中央銀行の英語通信を使用しています。

要約(オリジナル)

Central bank communication plays a critical role in shaping economic expectations and monetary policy effectiveness. This study applies supervised machine learning techniques to classify the sentiment of press releases from the Bank of Thailand, addressing gaps in research that primarily focus on lexicon-based approaches. My findings show that supervised learning can be an effective method, even with smaller datasets, and serves as a starting point for further automation. However, achieving higher accuracy and better generalization requires a substantial amount of labeled data, which is time-consuming and demands expertise. Using models such as Na\’ive Bayes, Random Forest and SVM, this study demonstrates the applicability of machine learning for central bank sentiment analysis, with English-language communications from the Thai Central Bank as a case study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google