این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

شاخه ها/برچسب ها را تغییر دهید برچسب های شاخه شاخه ها را بارگیری نکرد چیزی برای نشان دادن برچسب ها را بارگیری نکرد چیزی برای نشان دادن

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

لغو ایجاد رمز

• محلی
• مکاشه

https github cli با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید. با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

CFAEC87 23 نوامبر 2020 CFAEC87

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

نوع نام آخرین پیام تعهد زمان متعهد شدن رمز

readme. md

مخزن مقالات NLP برای استفاده از تکنیک های NLP در بازارهای مالی مفید است.

برنامه های مالی NLP

برنامه های مستقیم تحقیقات NLP به بازارهای مالی.

• تجزیه و تحلیل حرکات بازار سهام با استفاده از تجزیه و تحلیل احساسات توییتر
• یادگیری عمیق برای تجزیه و تحلیل احساسات مالی در ارائه دهندگان اخبار مالی
• یادگیری عمیق برای پیش بینی سهام با استفاده از اطلاعات عددی و متنی
• ارائه محتوا به احساسات سرمایه گذار: نقش رسانه در بورس سهام
• تأثیر تعبیه رویداد ساختاری در مدل های پیش بینی سهام مقیاس پذیر
• اخبار مالی را برای پیش بینی حرکات قیمت سهام با استفاده از تعبیه های کلمه ای و شبکه های عصبی عمیق
• بیش از کلمات: کمیت زبان برای اندازه گیری اصول شرکتها
• پیش بینی حرکت بازار سهام با RNN های عمیق
• پیش بینی حرکت سهام از طریق توییت های اجرایی
• تجزیه و تحلیل احساسات در اخبار مالی
• قابلیت پیش بینی احساسات برای سهام
• تجزیه و تحلیل متنی پیش بینی بازار سهام با استفاده از اخبار مالی: سیستم azfintext
• خلق و خوی توییتر بازار سهام را پیش بینی می کند
• پردازش زبان طبیعی - قسمت 1: آغازگر
• تجزیه و تحلیل افعال در مقالات خبری مالی و تأثیر آنها بر قیمت سهام
• استراتژی های معاملاتی برای بهره برداری از وبلاگ و احساسات اخبار
• از کلمه به زمان تعبیه شده
• تأثیر تن تماس کنفرانس بر درک بازار از عدم اطمینان ارزش
• عواقب بازار سرمایه موانع زبانی در تماس های کنفرانس غیر U. S. شرکت
• کلمات در مقابل اعمال: شواهدی از معاملات مدیر پس از تماس
• پیچیدگی زبانی در افشای شرکت: انسداد یا اطلاعات؟
• وقتی مدیران لحن خود را تغییر می دهند ، تحلیلگران و سرمایه گذاران لحن خود را تغییر می دهند
• کنفرانس تحلیلگران طرف خرید و درآمد
• آیا مدیر عاملان بنیانگذار نسبت به مدیران حرفه ای حرفه ای بیش از حد هستند؟شواهدی از شرکت های S& P 1500
• صحبت از کوتاه مدت: افشای افق و نزدیک بینی مدیریتی
• یافتن ارزش در داده های رونوشت با Alphasense
• استفاده از افشای بدون ساختار و کیفی برای توضیح تعهدی
• خرد جمعیت: ارزش نظرات سهام که از طریق رسانه های اجتماعی منتقل می شود
• تفاوت در تن تماس کنفرانس: مدیران در مقابل تحلیلگران
• بازی سرزنش
• آیا سرمایه گذاران می توانند عدم خودجوش بودن مدیران را تشخیص دهند؟پایبندی به اسکریپت های از پیش تعیین شده در طول تماس های کنفرانس درآمد
• پیش بینی بازده با داده های متن
• سازگاری دامنه با استفاده از قیمت سهام سهام برای اصلاح فرهنگ لغت احساسات
• نگرانی های مربوط به تغییرات آب و هوا و عملکرد سهام سبز در مقابل قهوه ای

SEMEVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه در میکروبلوگ های مالی و اخبار

• SEMEVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه در میکروبلوگ های مالی و اخبار
• FEUP در SEMEVAL-2017 وظیفه 5: پیش بینی قطبیت و شدت احساسات با تعبیه کلمه مالی
• IITP در Semeval-2017 وظیفه 5: مجموعه ای از مدل های یادگیری عمیق و مدل های مبتنی بر ویژگی برای تجزیه و تحلیل احساسات مالی
• IITPB در Semeval-2017 وظیفه 5: پیش بینی احساسات در متن مالی
• ECNU در Semeval-2017 وظیفه 5: یک گروه الگوریتم رگرسیون با ویژگی های مؤثر برای تجزیه و تحلیل احساسات ریز در حوزه مالی
• Ritual-UH در Semeval-2017 وظیفه 5: تجزیه و تحلیل احساسات در مورد داده های مالی با استفاده از شبکه های عصبی
• تعهد در Semeval-2017 وظیفه 5: روش مبتنی بر هستی شناسی برای تجزیه و تحلیل احساسات عناوین مالی
• UW-Findent در Semeval-2017 وظیفه 5: تجزیه و تحلیل احساسات در عناوین اخبار مالی با استفاده از مجموعه داده های آموزشی تقویت
• Takelab در Semeval-2017 وظیفه 5: تجمع خطی تعبیه های کلمه برای تجزیه و تحلیل احساسات ریز و درشت اخبار مالی
• دوت در Semeval-2017 وظیفه 5: پیش بینی احساسات در میکروبلاگینگ مالی و مقالات خبری
• Sentiheros در Semeval-2017 وظیفه 5: کاربرد تجزیه و تحلیل احساسات در توییت های مالی
• FunSentiment در Semeval-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه در میکروبلوگ های مالی با استفاده از بردارهای کلمه ای ساخته شده از StockTwits و توییتر
• NLG301 در SEMEVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه در میکروبلوگ های مالی و اخبار
• HCS در Semeval-2017 وظیفه 5: تشخیص قطبیت در اخبار تجاری با استفاده از شبکه های عصبی حلقوی
• Inf-Ufrgs در Semeval-2017 Task 5: شناسایی نظارت بر نمره احساسات در توییت ها و عناوین
• HHU در SEMEVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز در مورد داده های مالی با استفاده از روش های یادگیری ماشین
• IBA-SYS در SEMEVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه در میکروبلوگ های مالی و اخبار
• SSN_MLRG1 در SEMVAL-2017 وظیفه 5: تجزیه و تحلیل احساسات ریز دانه با استفاده از مدل رگرسیون فرآیند چند هسته ای گاوسی
• Fortia-fbk در Semeval-2017 وظیفه 5: صعودی یا نزولی؟استنباط احساسات نسبت به مارک ها از عناوین خبری مالی
• Lancaster A at Semeval-2017 وظیفه 5: معیارهای ارزیابی موضوع: پیش بینی احساسات از عناوین اخبار مالی

• waynedw/احساسات-تجزیه
• V0D1CH/News-Scraper
• Petrovsimeon/News-Scraper

• هوش مصنوعی سیگنال های معاملاتی پنهان شده در ژارگون را رمزگشایی می کند

مشارکت بیش از استقبال :-)