تحلیل داده‌های سهام شرکت ها یکی از روش‌های مهم برای ارزیابی عملکرد و ارزش شرکت‌ها و انتخاب بهترین گزینه برای سرمایه‌گذاری در بازارهای مالی است. در این مقاله، مجموعه داده نظرات کاربران شبکه هوشمند سرمایه‌گذاری سهام یاب با هدف تحلیل احساسات کاربران گردآوری شده است. ابتدا الگوریتم‌های درخت تصمیم، ماشین بردار پشتیبان، بیزین ساده و نزدیکترین همسایه پیاده‌سازی شدند؛ که بردار پشتیبان با صحت 61 درصد بهترین عملکرد را به‌دست آورد. سپس برای مقایسه این الگوریتم‌های یادگیری سنتی با الگوریتم‌های یادگیری عمیق، شبکه‌های LSTMو BERTبه زبان فارسی و BERTبه زبان انگلیسی پیاده سازی شدند. این مدل ها به ترتیب با صحت های 72 ، 82 و 83 درصد عملکرد بهتری نسبت به الگوریتم های سنتی داشتند. در ادامه مدل LSTMبا استفاده از الگوریتم فرا ابتکاری ژنتیک با هدف به دست آوردن هایپر پارامترهای بهینه پیاده سازی شد که به صحتی برابر با 46/81 درصد رسید. در فاز پایانی، الگوریتم BRETدو زبانه با ترکیب متن فارسی نظرات و معنای انگلیسی آن‌ها پیاده سازی شد و به عملکرد 84 درصد دست یافت. انتظار می‌رود استفاده از این مدل بتواند به بهبود عملکرد سیستم‌های پیش‌بینی کننده و توصیه گر در سایت‌های اقتصادی کمک نماید.
Salehi Chegeni N, Joudaki S, Salehi M. Deep Learning in Sentiment Analysis of Investment Smart Networks Users. 3 2025; 3 (6) : 3 URL: http://jiis.iauh.ac.ir/article-1-34-fa.html
