互联网金融之量化投资深度文本挖掘——附源码文档(4)

运行结果：

四、模块效率性能总汇

根据上表所示的各模块平均时间效率估计的结果，可以得到如下结论：
▲ 在三个数据源中，所有模块个股新闻的平均运行时间是最长的，研究报告次之，而股票 ? ? ?论坛是耗时最少的
▲ 所有模块的时间消耗主要都关键词的搜索上，模块的平均耗时和模块进行的关键词搜索 ? ? ?次数成正比
▲ 关键词词频模块 sigWordSeq 进行了一次词频检索，因此和检索模块SearchFiles 的平 ? ? ? ?均耗时相当
▲ 关键词网络模块 WordNet_stock 同样只进行了一次关键词检索，但是在计算关联股票 ? ? ? ?TF-IDF 指标是需要耗费一定的时间，因此平均耗时略长于单次的检索

▲ 关键词网络模块 WordNet 由于需要进行对 20 个一级词的搜索，因此耗费的时间是最长 ? ? ?的。另外， 由于三个数据源中【 个股新闻】的数据量最大，运行 WordNet 一旦遇到高 ? ? ?频词会消耗大量的时间，需要格外注意。

• 本文基于光大文本挖掘系统框架概述全文。

（编辑：ASP站长网）