پیش بینی بازار سهام با استفاده از وب کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 621

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_307

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

تحقیقات انجام گرفته در این مقاله، به منظور بررسی عوامل مؤثر داده کاوی در رسانه های اجتماعی از چهار مدل داده کاوی شامل الگوریتم نایو بیز ، درخت تصمیم گیری، K-NN و Rule induction استفاده شده است. با بررسی عملکرد مدلها، درحوزه داده کاوی به منظور دستیابی برای اظهارنظرهای عمومی کاربران از رسانه های اجتماعی فیس بوک و استوک توئیت و توئیتر که در مورد11 سهام از شرکتهای انتخابی که به صورت تصادفی از سایت استوک توئیت در رسانههای اجتماعی را مورد تحلیل قرار گرفته است، تا ارتباط آنها با مقایسه دقت مجموع از هر چهار مدل از سهام ها را مشخص کند که برای این کار از دو روش انجام گرفته شده است .جهت شناسایی نیتها از بیان اظهار نظرهای کاربران در رسانه های اجتماعی که در دو مرحله می باشد صورت گرفته است. در مرحلهاول خنثی یا مثبت بودن اظهارنظر هر توئیت از کاربر را تشخیص میدهد و در مرحله دوم مثبت یا منفی بودن آن را شناسایی میکند که نتایج آزمایشات انجام گرفته شده مشخص می کند که مدل نایو بیز با بهترین درصد طبقهبندی به دست آمده برای اظهارنظرهای کاربران هستند.

کلیدواژه ها:

الگوریتم نایو بیز NB ، الگوریتم درخت تصمیم گیری DT ، الگوریتم K-NN ، الگوریتم Rule induction ، باند اطلاعاتی ازStockwits و Twitter و Facebook

نویسندگان

بهزاد عزیزپور

دانشجو، مقطع کارشناسی ارشد و رشته مهندسی کامپیوتر نرم افزار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد گرمی،

محمدعلی بالافر

استادیار ، مقطع دکتری و رشته کامپیوتر،گروه فناوری اطلاعات IT ، دانشگاه تبریز،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Frawley, W. P.-S .(1991) .Knowledge discovery in databases .Cambridge: MIT ...
  • Aggarwal, S., & Aggarwal, N. (2011). Classification of Audlio Data ...
  • Babu, _ N.Geethanjali., & Kumari, V. (2010). Texual Analysis of ...
  • Avery, C., Chevalier, J. A., & Zeckhauser, R. J. (2011, ...
  • Baccianella, S., Esuli, A., & Sebastiani, F. (2010). SentiWordNt 3, ...
  • Bakshy, E., & Hofman, J. M. (2011). Everyone's an Influencer: ...
  • Balthasar, A. (20 09). Using Google Search Volume as Trading ...
  • Bollen, J., Mao, H., & Zeng, X. (2011). Twitter Mood ...
  • Butler, M. (2009). An Artificial Intelligence Approach to Financial Forecasting ...
  • Butler, M., & Keselj, V. (2009). Financial Forecasting using Character ...
  • Butler, M., & Keselj, V. (2009). Optimizing a Pseudo Financial ...
  • Chen, H., Prabuddha, D., Hu, Y., & Hwang, B.-H. (2011). ...
  • Cheung, M. Y., Luo, C., Sia, C. L., & Chen, ...
  • Choudhury, M. D., Sundaram, H., John, A., & Seligmann, D. ...
  • Fama, E. (1970). Efficient Capital Markets: A Review of Theory ...
  • Granger, C. W. (1969). Investigating Causal Relations by Econometric Models ...
  • Lazarsfeld, P., Berelson, B., & Gaudet, H. (1944). The People's ...
  • Loughran, T., & McDonald, B. (2011). When is a Liability ...
  • نمایش کامل مراجع