Fugu-MT 論文翻訳(概要): Cross-Domain Shopping and Stock Trend Analysis

論文の概要: Cross-Domain Shopping and Stock Trend Analysis

arxiv url: http://arxiv.org/abs/2212.14689v1
Date: Fri, 23 Dec 2022 18:21:28 GMT
ステータス: 処理完了
システム内更新日: 2023-01-09 07:17:22.470725
Title: Cross-Domain Shopping and Stock Trend Analysis
Title（参考訳）: クロスドメインショッピングと株価動向分析
Authors: Aditya Pandey, Haseeba Fathiya, Nivedita Patel
Abstract要約: 本稿では,株価,株価,Twitterの株価,およびeコマースサイトにおけるユーザの行動の関係を識別・分析することを目的としたドメイン間トレンド分析を提案する。この分析は、米国株データセット、ストックツイートデータセット、Eコマース行動データセットの3つのデータセットに基づいている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a cross-domain trend analysis that aims to identify and analyze the relationships between stock prices, stock news on Twitter, and users' behaviors on e-commerce websites. The analysis is based on three datasets: a US stock dataset, a stock tweets dataset, and an e-commerce behavior dataset. The analysis is performed using Hadoop, Hive, and Tableau, allowing for efficient and scalable processing and visualizing large datasets. The analysis includes trend analysis of Twitter sentiment (positive and negative tweets) and correlation analysis, including the correlation between tweet sentiment and stocks, the correlation between stock trends and shopping behavior, and the understanding of data based on different slices of time. By comparing different features from the datasets over time, we hope to gain insight into the factors that drive user behavior as well as the market in different categories. The results of this analysis can provide valuable insights for businesses and investors to inform decision-making. We believe that our analysis can serve as a valuable starting point for further research and investigation into these topics.
Abstract（参考訳）: 本稿では,株価,株価,Twitterの株価,およびeコマースサイトにおけるユーザの行動の関係を識別・分析することを目的としたドメイン間トレンド分析を提案する。この分析は、米国のストックデータセット、ストックツイートデータセット、eコマース行動データセットの3つのデータセットに基づいている。この分析はHadoop、Hive、Tableauを使用して行われ、効率よくスケーラブルな処理と大規模なデータセットの可視化を可能にする。分析には、twitterの感情(ポジティブなツイートとネガティブなツイート)の傾向分析と、ツイートの感情と株価の相関関係、株価の傾向とショッピング行動の相関関係、さまざまな時間のスライスに基づくデータの理解を含む相関分析が含まれている。データセットのさまざまな特徴を時間をかけて比較することで、さまざまなカテゴリのユーザ行動と市場を駆動する要因について、洞察を得たいと思っています。この分析の結果は、企業や投資家に意思決定を知らせる貴重な洞察を与えることができる。我々は,本分析がこれらのトピックのさらなる研究および調査の出発点となると信じている。

関連論文リスト

Scaling Laws for the Value of Individual Data Points in Machine Learning [55.596413470429475]
個々のデータポイントの値のスケーリング行動を調べることによって、新しい視点を導入する。スケーリング法則を支持するための学習理論を提供し、それが様々なモデルクラスにまたがっていることを実証的に観察する。私たちの研究は、個々のデータポイントの値のスケーリング特性を理解し、活用するための第一歩です。
論文参考訳（メタデータ） (2024-05-30T20:10:24Z)
Exploratory Data Analysis for Banking and Finance: Unveiling Insights and Patterns [0.2594420805049218]
本研究は,商店街における取引パターン,信用限度,利用状況について検討した。また、年齢、性別、利用パターンの収入などの人口統計要因も考慮している。このレポートは、顧客チャーン率や、人口統計、トランザクション履歴、満足度などの要因を分析し、対処する。
論文参考訳（メタデータ） (2024-05-25T16:15:21Z)
UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
論文参考訳（メタデータ） (2024-03-22T10:36:50Z)
On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文参考訳（メタデータ） (2024-01-01T02:03:35Z)
Predicting Financial Market Trends using Time Series Analysis and Natural Language Processing [0.0]
この調査は、TeslaやAppleといった大手企業の株価を予測するためのツールとして、Twitterの感情の有効性を評価することを目的としている。以上の結果から, 株価変動の主要な要因は, 肯定性, 否定性, 主観性であることが示唆された。
論文参考訳（メタデータ） (2023-08-31T21:20:58Z)
Cross-Domain Consumer Review Analysis [0.0]
論文では、Amazon、Yelp、Steam、IMDbの4つの人気のあるレビューデータセットについて、ドメイン間のレビュー分析を行う。この分析はHadoopとSparkを使って行われ、大規模なデータセットの効率的でスケーラブルな処理を可能にする。
論文参考訳（メタデータ） (2022-12-23T18:16:09Z)
A data-science-driven short-term analysis of Amazon, Apple, Google, and Microsoft stocks [0.43012765978447565]
我々は,技術分析と機械/深層学習に基づく分析を組み合わせることで,トレンド分類モデルを構築する。我々は、現在の株式市場データの価格動向に依存する短期的な予測を行うデータサイエンス駆動技術を実行する。
論文参考訳（メタデータ） (2021-07-30T15:19:52Z)
A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文参考訳（メタデータ） (2020-12-10T01:15:48Z)
Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
論文参考訳（メタデータ） (2020-11-03T01:47:49Z)
A Tweet-based Dataset for Company-Level Stock Return Prediction [8.606705921815985]
本稿では,1日,2日,3日,および7日の株価リターンに対するツイートベースの影響を企業レベルで分析するデータセットを提案する。我々のデータセットは、英語のtwitterから852,231のラベル付きインスタンスで構成されており、また85,176のラベル付きインスタンスのクリーン化されたサブセットをコミュニティにリリースしています。
論文参考訳（メタデータ） (2020-06-17T08:55:11Z)
A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文参考訳（メタデータ） (2020-03-10T12:48:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。