An Innovative Sentiment Influenced Stock Market Prediction Based on Dual Scale Adaptive Residual Long Short Term Memory With Attention Mechanism
Notice bibliographique
Résumé
ABSTRACT The stock market is extremely unpredictable and impulsive because of a variety of reasons, including public opinion, economic conditions, and so on. Each second, many Petabytes of data emerge from various sources, impacting the stock marketplace. A fair and effective merging of those sources of information (factors) into knowledge is predicted to improve the precision of stock market predictions. However, combining these characteristics from multiple sources of data into a single dataset to supply market evaluation is considered difficult since they are presented in various formats. This paper recommends a deep learning framework for performing prediction in the stock market by considering the sentiment text and historical information from social media. Initially, the required sentiment text and data are collected from the social media platform. From the database, the historical data of the company and the sentiment text from the user uploaded in the social media and news articles are collected. After that, the collected sentiment texts are preprocessed to remove the unwanted data. The preprocessed sentiment texts are given to the Bidirectional Encoder Representations from Transformers (BERT) model for retrieving the first set of features from the positive and negative sentiments. On the other hand, the deep features are retrieved from the data using a One‐Dimensional Convolutional Neural Network (1DCNN), which is considered a second feature set from historical data. The two sets of features retrieved from the sentiment text and data are passed to the Dual Scale Adaptive Residual Long Short‐Term Memory with Attention Mechanism (DSAResLSTM‐AM) for stock market price prediction, where the attributes of the ResLSTM are tuned using Enhanced Deep Sleep Optimizer (EDSO). Here, the sentiment text having positive and negative sentiments helps to predict the stock market price of the company effectively to be less or high along with the analysis of previous data. The recommended model helps to perform the accurate stock market prediction, and it is used to enhance the return and reduce the investment. Finally, experimental validations are conducted to find the performance of the developed model in the stock market prediction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».