28842

طراحي سيستم توصيه‌گر پيش‌بيني بازار سرمايه با استفاده از آناليز احساسات در شبكه‌هاي اجتماعي با تمركز بر پردازش زبان طبيعي

كارشناسي ارشد

كامپيوتر / نرم‌افزار

1398

1402/6/29

جناب آقاي دكتر محمد رضا كنگاوري

كامپيوتر

جذابيت ناشي از ارتباط آسان با هزينه حداقلي به‌صورت بين‌المللي در شبكه‌هاي اجتماعي باعث افزايش روزافزون تعداد اعضاي فعال در آنها شده و اعضاء با اشتراك‌گذاري اطلاعاتي، از قبيل اطلاعات شخصي، نظرات دررابطه‌با يك موضوع خاص و پسنديدن و بحث در مورد يك موضوع ارتباطات خود را در سطح فضا بين‌المللي گسترش ميدهند. همين امر تحليل داده‌هاي كلان در شبكه‌هاي اجتماعي را تبديل به فرصت بي‌بديلي براي شركت‌ها، سازمان‌ها و دولت‌ها جهت دستيابي به اهداف خود مانند كشف بازار هدف، رضايت‌سنجي از طريق فضاي مجازي و روان‌شناسي اجتماعي دررابطه‌با يك موضوع خاص نموده است. حال‌آنكه در اين فضا به‌واسطه گستردگي استفاده، تعداد بالا نرم‌افزارهاي مربوط به اين فضا و افزايش روزافزون اين داده‌ها، پردازش اين داده‌ها كه قالب‌هاي متفاوتي دارند ازيك‌طرف به‌اندازه كافي چالش‌برانگيز هست درعين‌حال از سمت ديگر بايد چالش تغييرات در ساختار اين فضا را به‌ازاي هر سكو به‌صورت جداگانه مديريت كرد. باتوجه‌به اين توضيحات هدف اين مطالعه ايجاد يك سيستم به‌منظور پيش‌بيني بازار سرمايه است كه مي‌تواند قيمت آتي سهام را بر اساس قيمت سهام قبلي در كنار آناليز احساسات در فضاي مجازي با استفاده از مدل‌هاي يادگيري ماشين پيش‌بيني كند. در اين پايان‌نامه سعي شده الگوريتم‌هاي مورداستفاده به‌صورت دقيق معرفي شود، مزايا و معايب آن را در معرض نمايش گذاشتيم و با استفاده از الگوريتم مناسب در پردازش زبان طبيعي بهترين هسته براي يك سيستم توصيه‌گر را طراحي نموديم. سيستم پيشنهادي در اين تحقيق با استفاده از قيمت‌هاي نمادهاي مختلف در روز‌هاي قبل و نظرات كاربران در رسانه‌هاي اجتماعي مربوط به اين شاخص اقدام به پيش‌بيني قيمت آتي سهام و يا افزايش و كاهش آن مي‌كند. نتيجه به‌دست‌آمده با روش ساده بدون استفاده از نظرات كاربران مقايسه و كارايي پردازش نظرات در افزايش دقت پيش‌بيني نشان داده مي‌شود. ما به‌منظور پياده‌سازي و آزمايش راهكار پيشنهادي مجموعه داده‌اي متشكل از 247822 ركورد از نظرات روزانه با سه هشتگ شستا، خودرو و بورس ايجاد كرديم و به‌منظور اعتبارسنجي آن همچنين از مجموعه‌داده دريافتي از سازمان بورس ايران استفاده ميشود كه نشانگر افزايش و يا كاهش ارزش يك نماد در روز است. در نهايت نتيجه كار، بين پنج تا شش درصد خطاي ميانگين (94% دقت) است. همچنين ما براي اين كه تأثير درست آناليز احساسات بر روي پيش‌بيني ارزش بازار سرمايه را به‌صورت درست محاسبه كنيم يك‌بار كل فرايند را بدون درنظرگرفتن امتياز مربوط به احساسات بررسي نموديم.

1402/07/19

Designing a capital market forecasting system using emotion analysis in social networks focusing on natural language processing

9/19/2024 12:00:00 AM

The attraction of easy international communication with low cost in social networks has led to an increasing number of active members in them, and they expand the level of international communication and interaction by sharing information, such as personal information, opinions on a specific topic, and liking and discussing a topic. This has made the analysis of large data in social networks an irreplaceable opportunity for companies, organizations and governments to achieve their goals such as discovering the target market, satisfaction through virtual space and social psychology in relation to a specific issue. While in this space, due to the wide usage, the high number of software related to this space, and the ever-increasing raise of this data, processing this data, which has different formats, is challenging enough on one hand the challenge of changes in the structure of this space should be managed separately. According to these explanations, the aim of this study is to create a system to predict the capital market, which can predict the future stock price based on the previous stock price along with sentiment analysis in virtual space using machine learning models.In this thesis, the algorithms used in this way have been introduced in detail, we have shown its advantages and disadvantages, and we have designed the best core for a recommender system and using the appropriate algorithm in natural language processing. The proposed system in this research uses the prices of different symbols in the previous days and the opinions of users on social media related to this index to predict the future stock price or its increase or decrease. The result obtained with a simple method without using user comments is compared and the efficiency of processing comments is shown in increasing the prediction accuracy. In order to implement and test the proposed solution, we created a dataset consisting of 247,822 records of daily comments with three hash tags: Shasta, Khodro, and Burs, and for its validation, the dataset received from the Iranian Stock Exchange Organization is also used, which indicates An increase or decrease in the value of a symbol per day. Finally, the result of the work is between five and six percent of the average error (94% of accuracy). Also, in order to calculate the impact of sentiment analysis on capital market value forecasting correctly, we reviewed the entire process once without considering the sentiment score.

شبكه اجتماعي , پردازش زبان طبيعي , آناليز احساسات , پيش‌بيني بازار سرمايه , سيستم‌هاي تصميم يار

social network , natural language processing , sentiment analysis , capital market pridiction , decision support systems

Mostafa Taheri

Dr. Mohammad Reza Kangavari