基于机器学习的以加密货币为中心的 Twitter 社交网络情感分析

加密货币是一种使用区块链技术进行安全加密的数字货币。由于此类货币的去中心化特性，传统货币体系及其各自的资本市场能够对社会产生影响。因此，鉴于该问题的重要性，了解公众舆论和分析人们对此的看法的需求日益增加。为了了解人们对不同主题的意见和看法，可以借助社交网络，因为它们是丰富的观点来源。Twitter 社交网络是用户讨论各种主题的主要平台之一，因此，能够在最短的时间和最低的成本内，在该社交网络上衡量社区的意见。Twitter 情感分析是一个分析推文中表达的情感的领域。鉴于目前大多数关于加密货币的 TSA 研究工作集中在英语语言上，本文的目的是调查伊朗用户在 Twitter 社交网络上对加密货币的看法，并提供最佳的基于情感对推文进行分类的模型。在推文自动分析方面，经济领域的管理者和官员可以借此了解广大公众对此问题的看法，并利用所获得的信息来妥善管理这一现象。为此，在本文中，为了构建情感分类模型，使用了诸如词袋和 FastText 等自然语言处理技术进行文本向量化，并使用了包括 KNN、SVM 和 Adaboost 在内的经典机器学习算法以及包括 LSTM 和 BERT 模型在内的深度学习方法进行分类，最终 BERT 语言模型取得了 83.50% 的最佳准确率。