求NLP大佬给点建议

本科就让做这么难的题目？？360去年KDD也发了一篇，详情请戳：https://dl.acm.org/citation.cfm?doid=3219819.3219964

给几个未加雕琢的初步思路： 简单粗暴方案1：标大量数据，有监督学习 方案2：标少量数据，半监督学习 方案3：标少量数据，收集网上其他领域的文本带标签数据，迁移学习

多谢各位大佬的意见

话说，大v点评的股票一般都是他鼓吹要涨的吧。一般的股票他也不会说

你好 我的思路是这样的：（简单版） 1 爬取金融大鳄的blog文本，下载历史股票数据 2 对这些文本进行sentiment analysis 3 给文本贴label  positive为1，negative为0 （意思就是1的时候，如果预测准确，股票应该涨） 4把这些1 0 1 0 1 0数据画折线图（横轴是时间） 与历史股票涨跌图放在一起比对，如果有相关性，可以根据每天对新的文本的sentiment analysis进行预测。  5如果plot出来之后没有相关性，告诉导师别****淡了 ，还是直接用timeseries预测更靠谱。 6 如果有还不错的相关性。（肉眼可见的相关）就做一个ensemble model 整合每日的blog sentiment analysis 结果和timeseries预测结果。 

判断大V对股票的态度是情感分析比较好做， 但是大V真的能影响股票的涨跌吗？  太扯淡了，这第二个问题算是个相关性分析吧。

可以难也可以简单，关键是你想要模型准确率多少。数据很烦，没有数据集，首先你就要人肉tag少了还不行。最简单的思路就是做bag of word，然后有多少算多少。复杂起来的，就自己查文献做特征工程啊

nlp+数据分析+金融学，不如换题……

这个题目也太天马行空了吧