تحلیل احساسات ارز دیجیتال در شبکه‌های اجتماعی؛ آموزش بررسی اخبار، ایکس، ردیت و تلگرام
سلام به همراهان عزیز، من امید حق‌دوست هستم.
به جلسه چهارم از دوره جامع تحلیل احساسات ارز دیجیتال خوش آمدید.
در جلسات گذشته با مفهوم تحلیل احساسات، روان‌شناسی بازار و شاخص ترس و طمع آشنا شدیم. حالا می‌خواهیم یکی از جذاب‌ترین بخش‌های این دوره را بررسی کنیم؛ جایی که احساسات میلیون‌ها کاربر در قالب پیام، نظر، خبر و گفتگو منتشر می‌شود.
موضوع این جلسه، تحلیل احساسات ارز دیجیتال در شبکه‌های اجتماعی یا Social Media Sentiment Analysis است.
احتمالاً شما هم مشاهده کرده‌اید که گاهی یک خبر درباره بیت کوین، یک توییت درباره دوج کوین یا یک شایعه درباره صرافی‌ها، توجه گسترده‌ای در فضای مجازی ایجاد می‌کند.
اما سؤال مهم این است:
آیا می‌توان از پیام‌های منتشرشده در شبکه‌های اجتماعی برای شناخت احساسات بازار استفاده کرد؟
آیا افزایش تعداد پیام‌های مثبت درباره یک رمزارز به معنای افزایش احتمالی قیمت آن است؟
چگونه می‌توانیم میان اخبار واقعی، تبلیغات، شایعات و فعالیت ربات‌ها تفاوت قائل شویم؟
در این جلسه می‌خواهم به زبان ساده اما حرفه‌ای، به این پرسش‌ها پاسخ بدهم.
تحلیل احساسات در شبکه‌های اجتماعی چیست؟
تحلیل احساسات در شبکه‌های اجتماعی روشی برای بررسی نگرش، واکنش و لحن پیام‌های منتشرشده توسط کاربران است.
در بازار ارز دیجیتال، این روش می‌تواند به ما کمک کند متوجه شویم کاربران درباره بیت کوین، اتریوم یا سایر پروژه‌های رمزارزی چه دیدگاهی دارند.
برای مثال، ممکن است درباره یک رمزارز هزاران پیام منتشر شود.
بعضی پیام‌ها خوش‌بینانه هستند، بعضی نگرانی را نشان می‌دهند و برخی نیز صرفاً اطلاعات خبری ارائه می‌کنند.
تحلیل احساسات تلاش می‌کند این پیام‌ها را بررسی و دسته‌بندی کند.
معمولاً سه دسته اصلی وجود دارد:
احساسات مثبت (Positive Sentiment): پیام‌هایی که نشان‌دهنده خوش‌بینی، رضایت یا نگرش مثبت هستند.
احساسات منفی (Negative Sentiment): پیام‌هایی که نگرانی، نارضایتی یا بدبینی را بیان می‌کنند.
احساسات خنثی (Neutral Sentiment): پیام‌هایی که بیشتر جنبه اطلاع‌رسانی دارند و نگرش مثبت یا منفی مشخصی نشان نمی‌دهند.
البته در عمل، تشخیص احساسات همیشه به این سادگی نیست؛ زیرا کاربران ممکن است از طنز، کنایه، اصطلاحات محلی یا جملات دوپهلو استفاده کنند.
چرا شبکه‌های اجتماعی برای بازار ارز دیجیتال اهمیت دارند؟
یکی از ویژگی‌های بازار رمزارزها، حضور فعال کاربران در فضای آنلاین است.
بسیاری از اخبار پروژه‌ها، اطلاعیه‌های توسعه‌دهندگان، گفتگوهای سرمایه‌گذاران و واکنش‌های عمومی در شبکه‌های اجتماعی منتشر می‌شوند.
این موضوع باعث شده شبکه‌های اجتماعی به یکی از منابع مهم مطالعه رفتار جمعی تبدیل شوند.
برای مثال، زمانی که یک پروژه به‌روزرسانی مهمی معرفی می‌کند، ممکن است تعداد گفتگوهای مرتبط با آن افزایش پیدا کند.
یا اگر خبری درباره یک مشکل امنیتی منتشر شود، احتمال دارد نگرانی کاربران در مدت کوتاهی بیشتر شود.
با این حال، من معتقدم باید میان دو مفهوم تفاوت قائل شویم:
افزایش توجه عمومی به یک رمزارز، الزاماً به معنای افزایش اعتبار یا ارزش بنیادی آن نیست.
ممکن است یک پروژه صرفاً به دلیل تبلیغات گسترده یا انتشار یک شایعه، برای مدتی بسیار پرطرفدار شود.
تحلیل احساسات در شبکه اجتماعی ایکس (X)
ایکس که پیش‌تر با نام توییتر شناخته می‌شد، یکی از محیط‌های شناخته‌شده گفتگو درباره بازار رمزارزهاست.
بسیاری از پروژه‌های بلاکچینی، توسعه‌دهندگان، تحلیلگران و رسانه‌های حوزه کریپتو در این پلتفرم فعالیت می‌کنند.
در تحلیل احساسات ایکس، چند موضوع اهمیت دارد.
میزان گفتگو درباره یک رمزارز
افزایش تعداد پست‌های مرتبط با یک رمزارز می‌تواند نشانه افزایش توجه عمومی باشد.
اما تعداد پیام‌ها به‌تنهایی مشخص نمی‌کند نگرش کاربران مثبت است یا منفی.
نوع واکنش کاربران
گاهی یک خبر با استقبال کاربران روبه‌رو می‌شود و گاهی واکنش‌های انتقادی زیادی دریافت می‌کند.
بررسی محتوای این واکنش‌ها می‌تواند اطلاعات بیشتری نسبت به شمارش ساده پیام‌ها ارائه دهد.
اعتبار منتشرکننده
تمام حساب‌های کاربری اعتبار یکسانی ندارند.
اطلاعیه رسمی یک پروژه با ادعای یک حساب ناشناس تفاوت دارد.
همچنین تعداد دنبال‌کنندگان بالا، به‌تنهایی نشانه صحت اطلاعات نیست.
فعالیت ربات‌ها
بعضی حساب‌ها به‌صورت خودکار یا هماهنگ پیام منتشر می‌کنند.
این فعالیت‌ها می‌توانند حجم گفتگوها را افزایش دهند، بدون اینکه نشان‌دهنده افزایش واقعی علاقه کاربران باشند.
به همین دلیل، در تحلیل احساسات ایکس باید کیفیت داده‌ها را در کنار تعداد پیام‌ها بررسی کرد.
تحلیل احساسات در ردیت (Reddit)
ردیت یکی دیگر از منابع مهم مطالعه گفتگوهای کاربران درباره ارزهای دیجیتال است.
این پلتفرم شامل انجمن‌های موضوعی مختلفی است که کاربران در آن‌ها پرسش مطرح می‌کنند، تجربه‌های خود را به اشتراک می‌گذارند و درباره پروژه‌ها بحث می‌کنند.
یکی از ویژگی‌های ردیت، وجود گفتگوهای نسبتاً طولانی در بعضی انجمن‌هاست.
برای مثال، ممکن است کاربران درباره امنیت یک پروژه، تغییرات فناوری یا مشکلات یک کیف پول بحث کنند.
چنین گفتگوهایی می‌توانند اطلاعاتی درباره نگرانی‌ها و برداشت‌های کاربران ارائه دهند.
اما یک محدودیت مهم وجود دارد.
کاربران یک انجمن لزوماً نماینده تمام فعالان بازار نیستند.
ممکن است یک انجمن بیشتر از طرفداران یک پروژه تشکیل شده باشد و دیدگاه‌های انتقادی در آن کمتر دیده شوند.
بنابراین، نتیجه‌گیری درباره احساسات کل بازار بر اساس یک انجمن محدود می‌تواند گمراه‌کننده باشد.
تحلیل احساسات در تلگرام (Telegram)
تلگرام یکی از پیام‌رسان‌هایی است که گروه‌ها و کانال‌های مرتبط با رمزارزها در آن فعالیت دارند.
در این محیط، اخبار، اطلاعیه‌ها، تحلیل‌ها و گفتگوهای مختلف منتشر می‌شوند.
برای بررسی احساسات در تلگرام، می‌توان به موضوعاتی مانند نوع پیام‌ها، واکنش کاربران و تغییر حجم گفتگوها توجه کرد.
اما تلگرام نیز محدودیت‌های مهمی دارد.
بعضی کانال‌ها صرفاً محتوای تبلیغاتی منتشر می‌کنند.
برخی گروه‌ها ممکن است با فعالیت هماهنگ، تصویری غیرواقعی از محبوبیت یک پروژه ایجاد کنند.
همچنین دسترسی به پیام‌های گروه‌های خصوصی بدون مجوز مناسب نیست و باید حریم خصوصی کاربران رعایت شود.
به نظر من، تحلیل احساسات زمانی ارزشمندتر است که داده‌ها از منابع معتبر و با رعایت اصول اخلاقی جمع‌آوری شوند.
نقش اخبار در تحلیل احساسات ارز دیجیتال
اخبار می‌توانند بر برداشت عمومی کاربران از بازار تأثیر بگذارند.
برای مثال، خبر مربوط به تصویب یک قانون جدید، پیشرفت فناوری یک پروژه یا وقوع یک حادثه امنیتی ممکن است واکنش‌های متفاوتی ایجاد کند.
اما واکنش بازار همیشه قابل پیش‌بینی نیست.
گاهی یک خبر ظاهراً مثبت با تغییر قیمت قابل‌توجهی همراه نمی‌شود.
گاهی نیز یک خبر منفی، نگرانی گسترده‌ای در شبکه‌های اجتماعی ایجاد می‌کند.
برای تحلیل بهتر اخبار، چند پرسش اهمیت دارند:
- منبع اصلی خبر کجاست؟
- آیا خبر توسط منابع معتبر دیگری تأیید شده است؟
- تاریخ انتشار آن چیست؟
- آیا عنوان خبر با محتوای اصلی مطابقت دارد؟
- آیا کاربران درباره واقعیت خبر صحبت می‌کنند یا برداشت شخصی خود را بیان می‌کنند؟
شناخت تفاوت میان خبر و تفسیر خبر، یکی از مهارت‌های مهم در تحلیل احساسات است.
تفاوت محبوبیت اجتماعی و احساسات بازار
یکی از اشتباهات رایج این است که افزایش محبوبیت یک رمزارز را با مثبت شدن احساسات بازار یکسان بدانیم.
اما این دو مفهوم متفاوت هستند.
محبوبیت اجتماعی یا Social Popularity معمولاً به میزان توجه و گفتگو درباره یک موضوع اشاره دارد.
در مقابل، احساسات اجتماعی یا Social Sentiment به نوع نگرش کاربران توجه می‌کند.
برای مثال، ممکن است تعداد پیام‌های مربوط به یک صرافی افزایش پیدا کند.
اگر علت این افزایش، انتشار خبر یک مشکل امنیتی باشد، محبوبیت موضوع از نظر میزان توجه بالا رفته است، اما لحن بسیاری از پیام‌ها ممکن است منفی باشد.
بنابراین، برای تحلیل درست باید هم میزان گفتگو و هم محتوای آن را بررسی کنیم.
حجم اجتماعی (Social Volume) چیست؟
حجم اجتماعی یکی از مفاهیم مهم در تحلیل احساسات ارز دیجیتال است.
این اصطلاح معمولاً به تعداد پیام‌ها، اشاره‌ها یا گفتگوهای مرتبط با یک موضوع در بازه زمانی مشخص اشاره دارد.
برای مثال، اگر در یک روز تعداد پیام‌های مربوط به بیت کوین افزایش پیدا کند، حجم اجتماعی آن ممکن است رشد کرده باشد.
اما باید توجه کنیم که پلتفرم‌های مختلف، حجم اجتماعی را به روش‌های متفاوتی محاسبه می‌کنند.
بعضی ابزارها تعداد پیام‌ها را اندازه‌گیری می‌کنند و بعضی دیگر تعداد کاربران یا منابع منحصربه‌فرد را در نظر می‌گیرند.
بنابراین، اعداد ارائه‌شده توسط ابزارهای مختلف الزاماً قابل مقایسه مستقیم نیستند.
تعامل کاربران (Engagement) چیست؟
تعامل کاربران به واکنش‌هایی مانند پسندیدن، بازنشر، پاسخ دادن و مشارکت در گفتگوها اشاره دارد.
این داده‌ها می‌توانند نشان دهند یک موضوع تا چه اندازه توجه کاربران را جلب کرده است.
اما تعامل بالا همیشه به معنای تأیید یک موضوع نیست.
برای مثال، یک خبر جنجالی ممکن است تعداد زیادی پاسخ و بازنشر دریافت کند، در حالی که بخش بزرگی از واکنش‌ها انتقادی باشند.
به همین دلیل، تحلیل تعامل بدون بررسی محتوای پیام‌ها می‌تواند نتیجه نادرستی ایجاد کند.
تحلیل احساسات با پردازش زبان طبیعی
یکی از روش‌های فنی تحلیل احساسات، استفاده از پردازش زبان طبیعی یا Natural Language Processing است که به اختصار NLP نامیده می‌شود.
پردازش زبان طبیعی شاخه‌ای از هوش مصنوعی است که به رایانه‌ها کمک می‌کند زبان انسان را پردازش و تحلیل کنند.
برای مثال، تصور کنید هزار پیام درباره بیت کوین در اختیار داریم.
بررسی دستی تمام این پیام‌ها ممکن است زمان زیادی نیاز داشته باشد.
یک مدل تحلیل متن می‌تواند تلاش کند پیام‌ها را بر اساس لحن مثبت، منفی یا خنثی دسته‌بندی کند.
اما این مدل‌ها نیز ممکن است اشتباه کنند.
طنز، کنایه، اصطلاحات تخصصی، چندمعنایی بودن واژه‌ها و تفاوت زبان کاربران از عواملی هستند که می‌توانند دقت تحلیل را کاهش دهند.
به‌خصوص در پیام‌های فارسی، اصطلاحات محاوره‌ای و ترکیب کلمات فارسی و انگلیسی ممکن است چالش بیشتری ایجاد کنند.
مثال آموزشی از تحلیل احساسات شبکه‌های اجتماعی
فرض کنید درباره یک پروژه رمزارزی، ۱۰۰ پیام عمومی و مرتبط جمع‌آوری کرده‌ایم.
پس از بررسی محتوای پیام‌ها، نتیجه فرضی زیر به دست آمده است:
۴۵ پیام مثبت
۳۵ پیام منفی
۲۰ پیام خنثی
در این نمونه، ۴۵ درصد پیام‌ها مثبت، ۳۵ درصد منفی و ۲۰ درصد خنثی هستند.
این نتیجه نشان می‌دهد در مجموعه پیام‌های بررسی‌شده، تعداد پیام‌های مثبت بیشتر بوده است.
اما آیا می‌توان نتیجه گرفت که ۴۵ درصد تمام فعالان بازار نسبت به این پروژه خوش‌بین هستند؟
خیر.
زیرا ممکن است بعضی کاربران چندین پیام منتشر کرده باشند.
همچنین نمونه انتخاب‌شده ممکن است نماینده تمام کاربران نباشد.
علاوه بر این، امکان خطا در دسته‌بندی پیام‌ها وجود دارد.
این مثال نشان می‌دهد چرا کیفیت نمونه‌گیری به اندازه نتیجه نهایی اهمیت دارد.
آیا تحلیل احساسات شبکه‌های اجتماعی می‌تواند قیمت را پیش‌بینی کند؟
این یکی از مهم‌ترین پرسش‌های این جلسه است.
پاسخ من این است که تحلیل احساسات می‌تواند به شناخت وضعیت توجه و نگرش عمومی کمک کند، اما پیش‌بینی قطعی قیمت از طریق آن امکان‌پذیر نیست.
گاهی احساسات مثبت پس از افزایش قیمت شکل می‌گیرند.
در چنین شرایطی، ممکن است افزایش خوش‌بینی نتیجه رشد قیمت باشد، نه علت آن.
همچنین اخبار غیرمنتظره، تغییرات اقتصادی و شرایط نقدشوندگی می‌توانند بر رفتار بازار تأثیر بگذارند.
بنابراین، وجود رابطه میان احساسات و قیمت الزاماً به معنای رابطه علت و معلولی نیست.
این تفاوت در تحلیل داده‌ها اهمیت بسیار زیادی دارد.
شناسایی اخبار جعلی و اطلاعات گمراه‌کننده
یکی از چالش‌های جدی تحلیل احساسات، انتشار اطلاعات نادرست است.
اخبار جعلی یا Fake News ممکن است باعث شکل‌گیری نگرانی یا هیجان گسترده شوند.
برای مثال، ممکن است تصویری از یک اطلاعیه قدیمی دوباره منتشر شود و کاربران تصور کنند مربوط به رویدادی جدید است.
یا یک حساب ناشناس ادعایی درباره یک پروژه مطرح کند که هنوز تأیید نشده است.
در چنین شرایطی، بررسی منبع اصلی، تاریخ خبر و شواهد مستقل اهمیت دارد.
همچنین باید توجه کنیم که انتشار گسترده یک ادعا، به‌تنهایی آن را به واقعیت تبدیل نمی‌کند.
نقش ربات‌ها در تغییر فضای گفتگوها
ربات‌های شبکه‌های اجتماعی یا Social Bots حساب‌هایی هستند که بخشی از فعالیت آن‌ها به‌صورت خودکار انجام می‌شود.
برخی ربات‌ها کاربردهای مفیدی مانند انتشار خودکار اطلاعیه‌ها دارند.
اما بعضی فعالیت‌های خودکار یا هماهنگ ممکن است برای افزایش مصنوعی توجه به یک موضوع استفاده شوند.
این موضوع می‌تواند تحلیل احساسات را با خطا مواجه کند.
برای مثال، اگر صدها پیام مشابه از حساب‌های مختلف منتشر شود، یک ابزار ساده ممکن است آن‌ها را نشانه علاقه گسترده کاربران در نظر بگیرد.
در حالی که ممکن است بخش بزرگی از پیام‌ها حاصل فعالیت هماهنگ باشند.
بنابراین، بررسی تکراری بودن محتوا و کیفیت منابع از موضوعات مهم در تحلیل داده‌های اجتماعی است.
مهم‌ترین اشتباهات در تحلیل احساسات شبکه‌های اجتماعی
در این بخش می‌خواهم چند اشتباه رایج را مرور کنم.
اشتباه اول: اعتماد به تعداد پیام‌ها
افزایش تعداد پیام‌ها لزوماً نشان‌دهنده افزایش علاقه واقعی کاربران نیست.
اشتباه دوم: یکسان دانستن محبوبیت با اعتبار
یک پروژه پرطرفدار الزاماً از نظر فنی یا بنیادی معتبر نیست.
اشتباه سوم: نادیده گرفتن پیام‌های انتقادی
برای شناخت درست احساسات، باید دیدگاه‌های مثبت و منفی را منصفانه بررسی کرد.
اشتباه چهارم: اعتماد کامل به ابزارهای هوش مصنوعی
مدل‌های تحلیل متن ممکن است طنز، کنایه یا اصطلاحات تخصصی را اشتباه تفسیر کنند.
اشتباه پنجم: نتیجه‌گیری درباره کل بازار از یک گروه کوچک
یک کانال تلگرام یا انجمن ردیت نمی‌تواند به‌تنهایی نماینده احساسات تمام فعالان بازار باشد.
اشتباه ششم: نادیده گرفتن زمان انتشار پیام‌ها
پیام‌های قدیمی ممکن است با شرایط فعلی بازار ارتباطی نداشته باشند.
تمرین آموزشی جلسه چهارم
برای درک بهتر تحلیل احساسات شبکه‌های اجتماعی، یک تمرین ساده و بدون نیاز به معامله واقعی پیشنهاد می‌کنم.
یک خبر عمومی و معتبر درباره فناوری بیت کوین یا اتریوم انتخاب کنید.
سپس ده واکنش عمومی و مرتبط با آن خبر را از یک منبع قابل‌دسترسی بررسی کنید.
تلاش کنید هر پیام را در یکی از سه گروه مثبت، منفی یا خنثی قرار دهید.
در پایان، به این پرسش‌ها پاسخ دهید:
آیا همه پیام‌ها به یک اندازه قابل‌اعتماد بودند؟
آیا بعضی پیام‌ها صرفاً خبر را بازنشر کرده بودند؟
آیا تشخیص لحن بعضی پیام‌ها دشوار بود؟
آیا نتیجه این نمونه کوچک را می‌توان به کل بازار تعمیم داد؟
هدف این تمرین، یادگیری دسته‌بندی پیام‌ها و شناخت محدودیت‌های داده‌های اجتماعی است.
جمع‌بندی جلسه چهارم دوره جامع تحلیل احساسات
در این جلسه یاد گرفتیم تحلیل احساسات ارز دیجیتال در شبکه‌های اجتماعی چیست و چگونه می‌توان از گفتگوهای عمومی برای شناخت نگرش کاربران استفاده کرد.
با نقش ایکس، ردیت و تلگرام در انتشار اخبار و شکل‌گیری گفتگوهای رمزارزی آشنا شدیم.
همچنین تفاوت میان محبوبیت اجتماعی، حجم اجتماعی، تعامل کاربران و احساسات مثبت یا منفی را بررسی کردیم.
متوجه شدیم که پردازش زبان طبیعی می‌تواند در دسته‌بندی پیام‌ها کمک‌کننده باشد، اما این فناوری نیز محدودیت‌هایی دارد.
اگر بخواهم مهم‌ترین پیام این جلسه را در یک جمله بیان کنم، می‌گویم:
بلندتر بودن صدای یک گروه در شبکه‌های اجتماعی، الزاماً به معنای درست‌تر بودن دیدگاه آن گروه یا نمایندگی آن از کل بازار نیست.
در جلسه پنجم دوره جامع تحلیل احساسات ارز دیجیتال، به سراغ داده‌های بازار مشتقه می‌رویم و مفاهیمی مانند فاندینگ ریت، اوپن اینترست و نسبت موقعیت‌های لانگ و شورت را از دیدگاه تحلیل احساسات بررسی می‌کنیم.
تا جلسه بعد، موفق و آگاه باشید.
امید حق‌دوست
واژه‌نامه تخصصی جلسه چهارم؛ اصطلاحات انگلیسی با معنی و تلفظ
تلفظ‌های فارسی تقریبی هستند و آوانگاری IPA بر اساس تلفظ رایج انگلیسی آمریکایی نوشته شده است.
۱. Social Media Sentiment Analysis
تلفظ فارسی: سوشال میدیا سِنتیمِنت اَنَلِسیس
تلفظ انگلیسی (IPA): /ˈsoʊʃəl ˈmiːdiə ˈsɛntɪmənt əˈnæləsɪs/
معنی: تحلیل احساسات در شبکه‌های اجتماعی
توضیح: بررسی نگرش و لحن پیام‌های منتشرشده در پلتفرم‌های اجتماعی.
۲. Positive Sentiment
تلفظ فارسی: پازِتیو سِنتیمِنت
تلفظ انگلیسی (IPA): /ˈpɑzətɪv ˈsɛntɪmənt/
معنی: احساسات مثبت
توضیح: نگرش خوش‌بینانه یا مثبت نسبت به یک موضوع.
۳. Negative Sentiment
تلفظ فارسی: نِگِتیو سِنتیمِنت
تلفظ انگلیسی (IPA): /ˈnɛɡətɪv ˈsɛntɪmənt/
معنی: احساسات منفی
توضیح: نگرش بدبینانه، نگران یا انتقادی نسبت به یک موضوع.
۴. Neutral Sentiment
تلفظ فارسی: نیوترال سِنتیمِنت
تلفظ انگلیسی (IPA): /ˈnuːtrəl ˈsɛntɪmənt/
معنی: احساسات خنثی
توضیح: محتوایی که نگرش مثبت یا منفی مشخصی ندارد.
۵. X
تلفظ فارسی: اِکس
تلفظ انگلیسی (IPA): /ɛks/
معنی: نام شبکه اجتماعی ایکس، که پیش‌تر توییتر نام داشت.
۶. Reddit
تلفظ فارسی: رِدیت
تلفظ انگلیسی (IPA): /ˈrɛdɪt/
معنی: نام یک پلتفرم اجتماعی مبتنی بر انجمن‌های گفتگو.
۷. Telegram
تلفظ فارسی: تِلِگرام
تلفظ انگلیسی (IPA): /ˈtɛləɡræm/
معنی: نام پیام‌رسان تلگرام.
۸. Social Popularity
تلفظ فارسی: سوشال پاپیولَرِتی
تلفظ انگلیسی (IPA): /ˈsoʊʃəl ˌpɑpjəˈlærəti/
معنی: محبوبیت اجتماعی
توضیح: میزان توجه عمومی به یک موضوع در فضای اجتماعی.
۹. Social Sentiment
تلفظ فارسی: سوشال سِنتیمِنت
تلفظ انگلیسی (IPA): /ˈsoʊʃəl ˈsɛntɪmənt/
معنی: احساسات اجتماعی
توضیح: نگرش مثبت، منفی یا خنثی کاربران نسبت به یک موضوع.
۱۰. Social Volume
تلفظ فارسی: سوشال والیوم
تلفظ انگلیسی (IPA): /ˈsoʊʃəl ˈvɑljuːm/
معنی: حجم اجتماعی
توضیح: تعداد پیام‌ها یا اشاره‌های مرتبط با یک موضوع در بازه زمانی مشخص.
۱۱. Engagement
تلفظ فارسی: اِنگِیجمِنت
تلفظ انگلیسی (IPA): /ɪnˈɡeɪdʒmənt/
معنی: تعامل کاربران
توضیح: واکنش‌هایی مانند پسندیدن، پاسخ دادن و بازنشر محتوا.
۱۲. Natural Language Processing
تلفظ فارسی: نَچِرَل لَنگویج پراسِسینگ
تلفظ انگلیسی (IPA): /ˈnætʃərəl ˈlæŋɡwɪdʒ ˈprɑsɛsɪŋ/
معنی: پردازش زبان طبیعی
توضیح: حوزه‌ای از هوش مصنوعی برای پردازش و تحلیل زبان انسان.
۱۳. NLP
تلفظ فارسی: اِن اِل پی
تلفظ انگلیسی (IPA): /ˌɛn ɛl ˈpiː/
معنی: مخفف Natural Language Processing
توضیح: نام کوتاه‌شده پردازش زبان طبیعی.
۱۴. Fake News
تلفظ فارسی: فِیک نیوز
تلفظ انگلیسی (IPA): /feɪk nuːz/
معنی: اخبار جعلی
توضیح: اطلاعات نادرستی که در قالب خبر منتشر می‌شوند.
۱۵. Social Bots
تلفظ فارسی: سوشال باتس
تلفظ انگلیسی (IPA): /ˈsoʊʃəl bɑts/
معنی: ربات‌های شبکه‌های اجتماعی
توضیح: حساب‌هایی که بخشی از فعالیت آن‌ها به‌صورت خودکار انجام می‌شود.
پایان جلسه چهارم
در جلسه پنجم، تحلیل احساسات با داده‌های بازار مشتقه را بررسی می‌کنیم و یاد می‌گیریم فاندینگ ریت، اوپن اینترست و نسبت لانگ به شورت چه اطلاعاتی درباره موقعیت‌های بازار ارائه می‌دهند.
بازدیدها: 0
