在大数据、自然语言处理、数据挖掘等技术迅速发展的今天，如何有效地从互联网平台上积累的大量与财经领域相关的财经文本数据中，挖掘出其背后蕴含的与经济有关的经济要素，是实现将非结构化数据应用于宏观经济预测研究的关键。当前中国经济发展受国内外经济大环境变化的影响，特别是在中美贸易战的大背景下，各种风险制约因素有所增加。如何依托结构化数据和非结构化数据，更加全面、充分地利用经济社会信息构建宏观经济预测模型，有助于各经济主体对未来经济发展状况做出判断，准确地把握宏观经济运行状况。
　　本文主要研究如何使用少量的种子词，利用文本挖掘技术中的共现关联挖掘方法和语义关联挖掘方法，挖掘出财经文本中词语间的关联关系，通过挖掘出的关联关系建立“种子词-候选经济要素词-标签”三部图，并应用随机游走算法挖掘出能够反映经济领域涵义的经济要素词；使用百度指数量化得到的经济要素词，构建非结构化指标数据，分析充分利用结构化数据和非结构化数据的可行方法，构建宏观经济预测模型。实验结果表明，本文提出的基于三部图的随机游走模型能够有效地挖掘出财经文本中的经济要素词，在充分利用结构化数据的基础上，有选择地加入非结构化数据，有助于提高宏观经济预测模型的数据拟合能力和预测能力。