دامنه تجزیه و تحلیل احساسات در مقالات خبری در مورد بازار سهام و تولید ناخالص داخلی در شرایط اقتصادی تلاش

در مقاله حاضر ، دامنه تجزیه و تحلیل احساسات در مورد مقالات خبری در مورد تأثیر سقوط اقتصادی بازارهای بین المللی اولیه ، مقایسه آن با حملات تروریستی قبلی یا بیماری همه گیر (11 سپتامبر ، Covid-19) بررسی شده است. برای تعبیه صحیح تحقیقات خود در طرح نظری ، ابتدا مروری بر مطالعات موجود با تمرکز بر نتیجه تروریسم در بازارهای اقتصادی ارائه می دهیم. بخش عملی عمدتاً از نظر اندازه گیری اینکه آیا بازگشت شاخص اصلی بورس نیویورک به دلیل حملات از نظر آماری در مورد انحراف چهار ماه قبل و بعد از حمله متفاوت است. ما داده های اینترنتی را مطالعه می کنیم ، در تضاد با تأثیر مستقیم اخبار منتشر شده از طریق رسانه های خبری بر شاخص بازار سهام نیویورک در مقایسه با قیمت نفت طلا و خام تأثیر می گذارد. تجزیه و تحلیل نتیجه در مورد فرضیه های تفسیری که شامل تکامل رفتار بورس سهام در نتیجه حملات تروریستی یا همه گیر است که دامنه کارهای آینده بیشتر با تجزیه و تحلیل احساسات در مورد داده های خبری در بورس را مورد بحث قرار می دهد.

مقالات مرتبط

بارگیری رایگان PDF PDF

هفدهمین کنفرانس پرتغالی درباره هوش مصنوعی

برنامه های تجزیه و تحلیل احساسات در بسیاری از حوزه ها گسترش یافته است: از محصولات مصرفی ، مراقبت های بهداشتی و خدمات مالی گرفته تا انتخابات سیاسی و رویدادهای اجتماعی. یک کار مشترک در فکر کردن ، طبقه بندی یک سند افکار به یک نظر مثبت یا منفی است. در این مقاله ، یک مطالعه از روشهای مختلف برای رتبه بندی قطبیت ارائه شده است تا بهتر بدانید که پیام های طعنه آمیز بر ابزارهای تجزیه و تحلیل احساسات تأثیر می گذارد. این مطالعه درک اولیه ای از چگونگی تأثیر طنز در تشخیص قطبیت را برای ما فراهم می کند. از دیدگاه آماری ، ما می دانیم که بین روش شناسی تفاوت معنی داری وجود ندارد. برای درک بهتر پدیده ، استفاده از روشهای مختلف مانند Sentiwordnet بر اساس واژگان ضروری است. به این معنا ، برای کارهای آینده ، ما هدف ما استفاده از ابزارهای مبتنی بر واژگان هستیم ، بنابراین نتایج حاصل از آن را اندازه گیری و مقایسه می کنیم.

بارگیری رایگان PDF PDF

مجله علوم اطلاعات

بارگیری رایگان PDF PDF

پیش بینی رفتار سهام در بورس سهام یک مشکل پیچیده است ، که شامل متغیرهایی است که همیشه شناخته نشده اند و می توانند تحت تأثیر مختلف قرار بگیرند ، از احساسات جمعی گرفته تا اخبار مشخص. چنین نوسانات ، می تواند ضررهای مالی قابل توجهی را برای سرمایه گذاران نشان دهد. به منظور پیش بینی چنین تغییراتی در بازار ، مکانیسم های مختلفی برای تلاش برای پیش بینی رفتار دارایی در بورس سهام ، بر اساس اطلاعات قبلی موجود پیشنهاد شده است. چنین مکانیسم هایی فقط داده های آماری را شامل می شود ، بدون در نظر گرفتن احساس جمعی. در این مقاله ، از الگوریتم های پردازش زبان طبیعی (LPN) برای تعیین خلق و خوی جمعی روی دارایی ها و بعداً با کمک الگوریتم SVM برای استخراج الگوها در تلاش برای پیش بینی رفتار فعال استفاده می شود. با این وجود ، توجه به این نکته حائز اهمیت است که چنین رویکردی در نظر گرفته نشده است که عامل اصلی در فرایند تصمیم گیری باشد ، بلکه یک ابزار کمک ، که همراه با سایر اطلاعات است ، می تواند دقت بالاتری را برای حل این مشکل فراهم کند.

بارگیری رایگان PDF PDF

در این مقاله به مشکل طبقه بندی احساسات پیام های کوتاه در سیستم عامل های میکروبلاگینگ پرداخته شده است. ما از تکنیک های یادگیری ماشین و تشخیص الگوی برای طراحی و پیاده سازی یک سیستم طبقه بندی برای پیام های میکروبلاگ که آنها را به یکی از سه کلاس اختصاص می دهد ، استفاده می کنیم: مثبت ، منفی یا خنثی. به عنوان بخشی از این کار ، ما یک مجموعه داده متشکل از تقریباً 10،000 توییت را ارائه دادیم که هر یک از آنها در مقیاس احساسات پنج امتیاز توسط سه نفر مختلف برچسب گذاری شده است. آزمایشات میزان تشخیص بین تقریباً 70 ٪ و میانگین زنگ هشدار کاذب تقریبی 18 ٪ در هر سه کلاس را نشان می دهد. طبقه بندی توسعه یافته برای استفاده آنلاین در دسترس قرار گرفته است.

بارگیری رایگان PDF PDF

Computación y Sistemas

بارگیری رایگان PDF PDF

مقدار زیادی از داده ها در هر دقیقه برای شبکه های اجتماعی و به اشتراک گذاری محتوا از طریق سایت های رسانه های اجتماعی ایجاد می شود که می توانند به شکلی از داده های ساختاری ، بدون ساختار یا نیمه ساختار یافته باشند. چنین داده هایی را می توان بیشتر برای اهداف تجاری بیشتر در تجزیه و تحلیل مالی و بازاریابی دیجیتال مورد استفاده قرار داد. یکی از بزرگترین سایت های رسانه های اجتماعی مورد استفاده توییتر است ، جایی که هر روز میلیون ها داده تولید شده به صورت توییت های بدون ساختار. توییت یا نظرات مردم را می توان برای استخراج احساسات مردم استفاده کرد. تجزیه و تحلیل احساسات برای سازمانها برای بهبود محصولات خود و ایجاد تغییرات مورد نیاز در مورد تقاضا برای افزایش سود آنها مفید است. بازار ارزهای رمزنگاری خالص ، آزاد و غیر متمرکز این روزها به سرعت در حال رشد است. در این مقاله تجزیه و تحلیل توییت های مرتبط با بیت کوین برای پیش بینی تغییر قیمت در آینده نزدیک ارائه شده است.

بارگیری رایگان PDF PDF

امروزه روشهای استخراج نظر خودکار در مورد داده های آنلاین به طور فزاینده ای مرتبط می شوند. در طی چند سال گذشته ، روش هایی تدوین شده است که می توانند با موفقیت و با دقت زیادی از دقت ، احساسات را در نظرات متن دیجیتال تجزیه و تحلیل کنند. این تحولات تحقیقات را در پیش بینی احساسات امکان پذیر می کند. پیش بینی احساسات به طور سنتی به عنوان ابزاری برای پیش بینی سهام مورد استفاده قرار گرفته است. در چنین سناریوهایی ، اخبار ورودی در زمان واقعی مورد تجزیه و تحلیل قرار می گیرد و تأثیر آن اخبار بر قیمت سهام تخمین زده می شود و باعث می شود تجارت خودکار سهام امکان پذیر شود. تحولات اخیر در پیش بینی احساسات ، تلاش هایی برای پیش بینی احساسات صریح از واکنش به وبلاگ ها ، قبل از ارسال وبلاگ ها ، مشاهده شده است. در این مقاله ، ما پیش بینی قطبیت احساسات عمومی در واکنش به مقالات خبری ، قبل از ارسال مقاله های خبری ، تحقیق می کنیم. ما برای حل مشکل پیش بینی احساسات از رویکرد یادگیری ماشین استفاده می کنیم. برای برچسب زدن به طور خودکار نظرات مجموعه داده ها برای آموزش پیش بینی احساسات ، ما انتقال خودکار دانش دامنه را از طبقه بندی کننده آموزش داده شده در داده های توییتر انجام می دهیم. در این مقاله ، ما یک روش جدید یادگیری ماشین ، یک روش جدید انتخاب ویژگی برای متن و یک متریک ارزیابی یادگیری ماشین جدید را پیشنهاد می کنیم. ما تجزیه و تحلیل کاملی از داده های خبری ارائه می دهیم و به صورت دستی استاندارد بالایی از آن را حاشیه نویسی می کنیم. سرانجام ، ما امکان پیش بینی احساسات قطبیت احساسات عمومی را در واکنش به مقالات خبری ، قبل از ارسال مقاله های خبری در موارد محدود ، نشان می دهیم. در نهایت ، ما تجزیه و تحلیل محدودیت های رویکردهای و مشابه خود را برای پیش بینی احساسات ارائه می دهیم و برای تحقیقات آینده توصیه هایی می کنیم.

بارگیری رایگان PDF PDF

سینکرون: تحقیقات مهندسی نشریات و انتشارات مجله

انتخابات فرماندار شرق جاوا 2018 نیز در دنیای مجازی بویژه رسانه های اجتماعی توییتر احساس می شود. همه مردم آزادانه در مورد نامزدهای فرماندار مربوطه خود بحث می کنند ، این تفاهم نامه ها بسیاری از عقاید را نه تنها مثبت یا خنثی بلکه عقاید منفی مطرح می کند. رشد رسانه ها بسیار سریع است و بسیاری از رسانه های آنلاین را از رسانه های خبری گرفته تا رسانه های اجتماعی آشکار می کند. رسانه های اجتماعی به تنهایی فیس بوک ، توییتر ، مسیر ، اینستاگرام ، Google+ ، Tumblr ، LinkedIn و موارد دیگر است. رسانه های اجتماعی امروز نه تنها به عنوان وسیله ای برای دوستی یا دوست داشتن بلکه برای سایر فعالیت ها نیز مورد استفاده قرار می گیرد. تبلیغات تجارت یا خرید و فروش ، تا زمان تبلیغات حزب سیاسی یا کمپین های نامزدها ، فرمانداران ، نامزدهای قانونگذاری تا نامزدهای ریاست جمهوری. هدف تحقیق این است که روشی را با نظرات انتخاب مقدماتی داده ، پاکسازی ، تجزیه ، عادی سازی ، توکنینز ، فرهنگ لغت بار ، وزنه برداری و طبقه بندی تجزیه و تحلیل احساسات نامزدهای فرماندار جاوا شرقی 2018 در رسانه های اجتماعی توییتر با بهینه و بهینه سازی بهینه انجام دهید. در حالی که مزایای کمک به جامعه در انجام تحقیقات در مورد نظرات در توییتر است که حاوی احساسات مثبت ، خنثی یا منفی است. تجزیه و تحلیل احساسات نامزدهای فرماندار جاوا شرقی در سال 2018 در رسانه های اجتماعی توییتر با استفاده از فرآیندهای غیر متعارف که باعث صرفه جویی در هزینه ها ، زمان و تلاش می شود. نتایج مجموعه داده های Khofifah 77 ٪ دقت ، ارزش دقت 79. 2 ٪ ، 77 ٪ مقدار فراخوان ، نرخ TP 98. 6 ٪ و 22. 2 ٪ نرخ TN است. برای نتایج GUS Dataset ، دقت 76 ٪ ، مقدار دقت 74. 4 ٪ ، مقدار فراخوان 76 ٪ ، نرخ TP 93. 8 ٪ و نرخ TN 52. 9 ٪ است.

بارگیری رایگان PDF PDF

با ظهور فناوری وب و رشد سریع آن ، بسیاری از افراد باعث شد تا نظرات یا نظرات خود را در وب مربوط به محصولات ، خدمات ، رویدادها یا هر موضوع اجتماعی بیان کنند. با توجه به میزان قابل توجهی از داده هایی که روز به روز در وب در حال افزایش است ، بدیهی است که بررسی های ارائه شده توسط افراد در سایت های تجارت الکترونیکی نیز بسیار زیاد است و چنین بررسی هایی به صورت بدون ساختار است. از این رو ، برای کاربران آنلاین ، مشتریان و تولید کنندگان چالش برانگیز است که تصمیم گیری صحیحی در مورد نظرات در مورد این بررسی ها بگیرند. در طی دو دهه گذشته ، بسیاری از محققان از جمله شرکت ها به طور مداوم روی تجزیه و تحلیل احساسات کار می کنند ، همچنین به عنوان تجزیه و تحلیل نظر یا معدن شناخته می شوند تا نظرات بیان شده توسط کاربران مختلف را به عنوان بررسی به دست آورند. در این مقاله ، ما تحقیقات ریز و درشت را در شناسایی احساسات (یا عقاید) بیان شده در مورد جنبه های مختلف نهاد با توجه به جنبه ها به عنوان یکی از مارک های مختلف بررسی محصولات موبایل بررسی می کنیم و این نظرات را بر اساس برخی از الگوریتم های یادگیری ماشین طبقه بندی می کنیم. نتایج اکتشافی در مجموعه داده های مختلف نتایج امیدوارکننده را با توجه به صحت طبقه بندی نظرات نشان می دهد.