دوره 20، شماره 2 - ( 6-1402 )                   جلد 20 شماره 2 صفحات 20-3 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ahangari Ahangarkolaei M, Sebti A, Yaghoubi M. Automatically generate sentiment lexicon for the Persian stock market. JSDP 2023; 20 (2) : 1
URL: http://jsdp.rcisp.ac.ir/article-1-1243-fa.html
آهنگری آهنگرکلائی مرتضی، سبطی علی، یعقوبی مهدی. ساخت واژگان به صورت خودکار برای تحلیل نظرات در حوزه بورس. پردازش علائم و داده‌ها. 1402; 20 (2) :3-20

URL: http://jsdp.rcisp.ac.ir/article-1-1243-fa.html


دانشگاه گلستان
چکیده:   (523 مشاهده)
با رشد چشمگیر رسانههای اجتماعی، افراد و سازمانها به طور فزایندهای از افکار عمومی در این رسانهها برای تصمیم گیری خود استفاده می‌کنند. هدف تحلیل احساسات، استخراج خودکار احساسات افراد از این شبکه‌های اجتماعی می‌باشد. شبکه‌های اجتماعی مرتبط به بازارهای مالی، از جمله بازارهای سهام، اخیرا مورد توجه بسیاری از افراد و سازمان‌ها قرار گرفته است. افراد در این شبکه‌ها نظرات و عقاید خود را در مورد هر سهم در قالب یک پست یا توییت، به اشتراک می‌گذارند. در واقع تحلیل احساسات در این حوزه، سنجش نگرش افراد به هر سهم است. یکی از رویکردهای پایه‌ای و اصلی در تحلیل خودکار احساسات روش‌های مبتنی بر واژگان است. اغلب واژگان‌های مرسوم به صورت دستی استخراج شده‌اند که فرایندی بسیار دشوار و هزینه بر است. در این مقاله روشی جدید جهت استخراج یک واژگان به صورت خودکار در حوزه شبکه‌های اجتماعی بورسی ارائه شده است. یک ویژگی خاص این شبکه‌ها، وجود اطلاعات قیمتی هر سهم در هر روز است. با در نظر گرفتن وضعیت قیمتی سهم در روز درج نظر برای آن سهم، واژگانی را برای بهبود کیفیت عقیده کاوی در این شبکه‌ها استخراج نمودیم. برای ارزیابی واژگان‌های تولید شده با استفاده از روش پیشنهادی، آن را با نسخه فارسی واژگان SentiStrength که با هدف استفاده عمومی طراحی شده است، مقایسه نمودیم. نتایج آزمایشات 20 درصد بهبود را در معیار صحت نسبت به استفاده از واژگان عمومی نشان می‌دهد.
شماره‌ی مقاله: 1
متن کامل [PDF 1026 kb]   (161 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش متن
دریافت: 1400/3/30 | پذیرش: 1401/6/7 | انتشار: 1402/7/30 | انتشار الکترونیک: 1402/7/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.