سارا لاری - دانشگاه غیرانتفاعی پاسارگاد
علیرضا نیک سرشت - دانشگاه شیراز دانشکده علوم اجتماعی و روانشناسی بخش علم اطلاعات

خبرهای برخط و رسانه های اجتماعی مقدار زیادی داده فراهم می کنند که اطلاعات مفیدی را می توان از آنها استخراج کرد. از آنجایی که شبکه های اجتماعی ابزاری برای ارتباط کاربران را فراهم می آورند، حاوی مقادیر زیادی داده مفید از نظرات و تمایلات آنها می باشند. در این مقاله ما به دنبال یافتن روش هایی برای افزایش دقت پیشبینی قیمت رمزارز نسبت به ارز پایه دلار با تحلیل نظرات کاربران شبکه اجتماعی هستیم. در کار انجام گرفته نظرهای کاربران نسبت به رمز ارز در فضای مجازی به طبقاتی با احساس مثبت، منفی و یا خنثی دسته بندی می شوند، سپس با به کارگیری این اطلاعات به همراه سایر اطلاعات موجود از جمله قیمت رمزارزها درتاریخ های گذشته مدلی جهت پیش بینی قیمت رمز ارز ارایه شده است. در مدل های ارایه شده، از روش یادگیری ماشینی و شبکه های عصبی برای دسته بندی احساس کاربران و برای پیش بینی نرخ رمز ارز ترکیبی ازروش های سری های زمانی و شبکه های عصبی استفاده شده است.

آنالیز احساس، سری های زمانی، پیش بینی،شبکه های عصبی