فایل ورد کامل مدل جدید بازیابی اطلاعات بر اساس سند فازی به منظور پیش بینی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدل جدید بازیابی اطلاعات بر اساس سند فازی به منظور پیش بینی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۸ صفحه

سیستم های بازیابی اطلاعات عموما به منظور یافتن اسنادی به کار برده می شوند که به صورت بسیار مناسب از سوی کاربران به صورتی پویا به وجود می آیند. در این مقاله یک مدل جدید بازیابی اطلاعات بر اساس سند فازی (FDIRM ), به منظور دستیابی به هدف پیش بینی شاخص بازار سهام پیشنهاد شده است. نوآوری مربوط به روش پیشنهادی یک طرح نمره دهی اصلاح شده ی tf-idf برای پیش بینی روند آینده ی مربوط به شاخص بورس سهام به کار برده می شود. سهم این مقاله در رابطه با این قضیه از دو جهت قابل بررسی است: ۱) در سیستم پیشنهادی , سری زمانی ساده به سری زمانی منطقی فازی غنی شده به همراه یک رویکرد منحصر به فرد از ترکیب احساسات مرتبط با اطلاعات با در نظر گرفتن قیمت تبدیل می شود. ۲) یک روش منحصر به فرد زمانی دنبال می شود که با استفاده از مدل سازی سیستم بازیابی اطلاعات ( IR ) یک سیستم ساده ی IR را به سیستم پیش بینی کننده تبدیل می نماید. همچنین مقا یسه ی کارایی FDIRM به همراه مدل استاندارد معیار صورت می پذیرد.مدل استاندارد معیار به اثبات این قضیه می پردازد که وجود مدل پیشنهادی به منظور تبدیل شدن به یک مدل پیشنهادی خوب ضروری است.

داده های بازار سرمایه به وسیله ی شاخص نزولی استاندارد و فقیر ۵۰ (شاخص ۵۰- CNX NIFTY ) بورس اوراق بهادار ملی هندوستان (NSE ) فراهم گشته است که برای آزمایش و تعیین اعتبار مدل پیشنهادی به کار برده می شوند. داده ی معتبر به منظور اعتبار سنجی و آزمایش از طریق سایت gttp://www.nseindia.com که یک وب سایت رسمی مربوط به NSE می باشد به دست می آید. یک برنامه ی جاوا به منظور اجرای مدل در زمان واقعی به همراه رابط کاربری گرافیکی ساخته می شود.

کلید واژه ها: شمعدان ژاپنی | منطق فازی | Tf-idt | پیش بینی | داده کاوی | بازیابی اطلاعات

عنوان انگلیسی:

A Novel Fuzzy Document Based Information Retrieval Model for Forecasting

~~en~~ writers :

Partha Roy, Ramesh Kumar, Sanjay Sharma

Information retrieval systems are generally used to find documents that are most appropriate according to some query that comes dynamically from users. In this paper a novel Fuzzy Document based Information Retrieval Model (FDIRM) is proposed for the purpose of Stock Market Index forecasting. The novelty of proposed approach is a modified tf-idf scoring scheme to predict the future trend of the stock market index. The contribution of this paper has two dimensions, 1) In the proposed system the simple time series is converted to an enriched fuzzy linguistic time series with a unique approach of incorporating market sentiment related information along with the price and 2) A unique approach is followed while modeling the information retrieval (IR) system which converts a simple IR system into a forecasting system. From the performance comparison of FDIRM with standard benchmark models it can be affirmed that the proposed model has a potential of becoming a good forecasting model. The stock market data provided by Standard & Poor’s CRISIL NSE Index 50 (CNX NIFTY-50 index) of National Stock Exchange of India (NSE) is used to experiment and validate the proposed model. The authentic data for validation and experimentation is obtained from http://www.nseindia.com which is the official website of NSE. A java program is under construction to implement the model in real-time with graphical users’ interface.

Keywords: Japanese Candlesticks | Fuzzy logic | Tf-idf | Forecasting | Data mining | Information Retrieval

$$en!!