基于word2vec对十年的新闻文本数据做道琼斯指数预测

1、数据描述：
（1）新闻数据：从Reddit WorldNews Channel（/ r / worldnews）抓获历史新闻头条。它们按reddit用户的投票排名，并且只有前25个标题被考虑用于单个日期。（范围：2008-06-08至2016-07-01）
（2）股票数据：道琼斯工业平均指数（DJIA）用于“证明这一概念”。（范围：2008-08-08至2016-07-01）
文件数据格式：csv
Combined_News_DJIA.csv
提供了27个列的组合数据集。第一列是“日期”，第二列是“标签”，以下是从“Top1”到“Top25”的新闻标题。
其中，当DJIA Adj Close值上升或保持不变时，“1”;当DJIA Adj Close值下降时，“0”。
对于任务评估，使用2008-08-08至2014-12-31的数据作为训练集，然后测试集将是以下两年的数据（从2015-01-02到2016-07-01）。这大约是80％/ 20％的分割。
最终结果使用AUC作为评估指标。
下载链接：https://pan.baidu.com/s/12Y2fVIJ7yhnlJGQCkyYysg 密码：xwg8
2、文本预处理
(1)观测数据

import pandas as pd
import numpy as np
from sklearn.metri