مجموعه داده ها: احساسات بازار سهام در رسانه های اجتماعی

یک مجموعه داده تجزیه و تحلیل احساسات سهام رایگان از 1000+ مکالمات توییتر در مورد بازار سهام را با برچسب احساسات مثبت و منفی بارگیری کنید.

در طول حماسه GameStop ژانویه 2021 ، Wallstreetbets Subreddit با موفقیت سهام GameStop را با موفقیت فشرده کرد و منجر به ضرر 7B دلاری برای ملوین پایتخت و Memes Galore شد. خیلی بد ملوین تیم Crack ML را تحت نظر داشت که در رسانه های اجتماعی نظارت می کند! برای کمک به دیگران در کشف تأثیر رسانه های اجتماعی در بورس - و جلوگیری از سرنوشت ملوین پایتخت - ما مجموعه ای از مکالمات رسانه های اجتماعی را در مورد سهام عمومی ایجاد کردیم ، که دارای احساسات است.‍ مجموعه داده ها را از اینجا بارگیری کنید! ایده هایی برای داده های دیگر که دوست دارید ما منتشر کنیم؟در توییتر در Hellosurgeai به ما فریاد بزنید.

مجموعه داده تجزیه و تحلیل احساسات سهام

این مجموعه داده شامل 1000 بحث رسانه های اجتماعی در مورد سهام معامله شده عمومی است که دارای احساسات مثبت یا منفی در ارتباط با هر یک است. برخی از احساسات واضح است. برخی دیگر برای طبقه بندی صحیح مدل ها بسیار سخت تر هستند ، زیرا احساسات آنها توسط طعنه و زبان خاص تجارت پوشانده می شود. در اینجا چند نمونه آورده شده است. آیا اطمینان دارید که طبقه بندی کننده های شما می توانند آنها را به طور مناسب برچسب گذاری کنند؟به عنوان مثال ، آیا مدل شما می تواند طعنه را تشخیص دهد و متوجه شود که این پیام در واقع نسبت به برف $ مثبت است؟How would it classify this tweet? It's overall Positive in sentiment towards Ariose Capital Management 13F, but mentions that they've exited $NVDA. Can your model parse the structure? Many off-the-shelf sentiment analysis classifiers mistakenly classify any profanity (even obscured profanity, like fack) as negative in sentiment. But profanity isn't always a bad sign! How would your sentiment classifier perform? Download the dataset and try it out here: https://github.com/surge-ai/stock-sentiment

چگونه ما مجموعه داده را برچسب گذاری کردیم

همانطور که از مثالهای بالا مشاهده می شود ، برچسب زدن احساسات پیام به سمت سهام خاص می تواند به طرز شگفت آور مشکل باشد. و غالباً به دانش دامنه نیاز دارید: اگر کسی در مورد خرید یک قرار دادن یا فشار کوتاه صحبت می کند ، مثبت است یا منفی؟مگر اینکه با این شرایط مالی آشنا نباشید ، ممکن است نمی دانید چگونه آن را برچسب گذاری کنید. داشتن برچسب های داده با مهارت های مناسب برای ایجاد مجموعه داده های با کیفیت ضروری است. برای این پروژه ما از تیمی از Surgers با پیشینه مالی استفاده کردیم که کاربران سنگین رسانه های اجتماعی نیز هستند ، که در پروژه های دیگر طبقه بندی مالی و پروژه های برچسب زدن به اطلاعات رسانه های اجتماعی کار کرده اند. در اینجا همچنین در UI برچسب زدن ما نیز نگاهی انداخته است. پلتفرم ما ایجاد مشاغل جدید برچسب زدن ، چه از طریق API و چه از طریق ویرایشگر WysiWyg ما ، آسان است. آیا می خواهید یک مجموعه داده مالی سفارشی ایجاد کنید که شما را به ماه ببرد؟در چند ثانیه ثبت نام کنید و یک پروژه برچسب زدن جدید ایجاد کنید ، یا برای کمک به ما در Hello@surgehq. ai به ما مراجعه کنید!