Таснифи изҳороти пешгӯишаванда (predictive statement classification) равиши таснифи матн аст, ки на танҳо муайян мекунад матни шабакаҳои иҷтимоӣ ҳиссиёти мусбат ё манфӣ дорад ё не, балки инчунин санҷида мебарояд, ки оё он интизории самтнок нисбат ба ояндаро дар бар мегирад ва агар дар бар гирад, ин интизорӣ ба самти афзоиш, коҳиш ё бетағйир мондан равона шудааст ё не. Ин таҳқиқот 3.116 твитро, ки аз паёмҳои англисӣ дар X/Twitter дар бораи Cardano, Binance, Fantom, Matic ва Ripple интихоб шудаанд, дар ду марҳила тасниф мекунад. Task 1 изҳороти Predictive ва Non-Predictive-ро ҷудо мекунад; Task 2 танҳо изҳороти Predictive-ро ба синфҳои Incremental, Decremental ва Neutral тақсим мекунад. Annotation аз ҷониби ду annotator-и инсонӣ ва GPT, истихроҷи эҳсосот бо SenticNet, GPT-4o paraphrase augmentation, омӯзиши анъанавии мошинӣ, CNN/BiLSTM ва моделҳои transformer якҷоя арзёбӣ шудаанд.

Дар манбаъ дида мешавад, ки пас аз бартараф кардани номутавозунии синфҳо, иҷроиш дар ҳамаи оилаҳои моделҳо ба таври назаррас боло меравад. Дар Task 1-и мутавозиншуда баландтарин macro F1 бо XLM-RoBERTa 0,7011 аст. Дар Task 2-и мутавозиншуда бошад баландтарин macro F1 на ба transformer, балки ба Random Forest бо 0,6488 тааллуқ дорад; беҳтарин натиҷаи омӯзиши амиқ CNN + FastText бо 0,6153 ва беҳтарин натиҷаи transformer DistilRoBERTa бо 0,5936 аст. Аз ин рӯ, як оилаи ягонаи моделҳо дар ҳар ду вазифа бартарӣ надорад.

Саҳми асосии илмии таҳқиқот пешгӯии нарх нест, балки ҷудо кардани самти эҳсосот аз самти интизории бозор мебошад. Корбар метавонад ҳангоми интизори коҳиши нарх инро аз тарси талафот бо эҳсоси манфӣ баён кунад; корбари дигар бошад метавонад ҳамон коҳишро имконияти харид дониста, эҳсоси мусбат нишон диҳад. Аз ин рӯ, танҳо таҳлили классикии sentiment метавонад интизории воқеии самтии сармоягузорро нодуруст тафсир кунад. Таҳқиқот ҳанӯз ин изҳороти таснифшударо бо ҳаракатҳои воқеии ҳамзамони нарх тасдиқ накардааст; бинобар ин натиҷаҳоро набояд бевосита ҳамчун муваффақияти пешгӯии нархи криптовалюта тафсир кард.

Масъалаи таҳқиқот

Дар баҳсҳои криптовалюта “эҳсосот” ва “интизорӣ” як мафҳум нестанд. Твити мусбат ҳатман афзоиши нархро пешгӯӣ намекунад; твити манфӣ низ ҳатман ба интизории коҳиш мувофиқ намеояд. Хусусан дар бозорҳои дорои ноустувории баланд, як ҳаракати нарх метавонад аз ҷониби сармоягузорони гуногун ба шакли муқобил арзёбӣ шавад.

Масалан, сармоягузоре, ки фикр мекунад нарх коҳиш меёбад, метавонад аз сабаби интизории талафот дар мавқеи ҷории худ тарс ё ноумедиро баён кунад. Сармоягузори дигар метавонад ҳамон коҳишро имконияти харид бо нархи поёнтар дониста, эҳсоси мусбат баён кунад. Сохтори думарҳилаие, ки манбаъ пешниҳод мекунад, аз ин рӯ аввал муайян кардани мавҷудияти пешгӯии оянданигар ва сипас муайян кардани самти он пешгӯиро ҳадаф мегирад.

Таснифи изҳороти пешгӯишаванда аз таҳлили классикии эҳсосот чӣ фарқ дорад?

Таснифи изҳороти пешгӯишаванда на оҳанги эҳсосии твит, балки аввал мавҷудияти интизории бозории вобаста ба ояндаро ва сипас самти ин интизориро — афзоиш, коҳиш ё бетағйир мондан — тасниф мекунад; бо ин роҳ мехоҳад аз мутобиқсозиҳои на ҳамеша дуруст, мисли “эҳсоси мусбат = интизории болоравӣ” ё “эҳсоси манфӣ = интизории поинравӣ”, канорагирӣ кунад.

Чор синфи асосӣ

Меъмории таснифи думарҳилаӣ

Task 1 таснифи дуӣ аст:

Tweet → Predictive ё Non-Predictive.

Танҳо твитҳое, ки Predictive муайян шудаанд, ба Task 2 мегузаранд:

Predictive tweet → Incremental, Decremental ё Neutral.

Бартарии илмии ин тарҳ дар он аст, ки аввал саволи “оё пешгӯӣ ҳаст?” ва баъдан саволи “самти пешгӯӣ чист?” ҳал карда мешавад. Ҳамин тавр, таснифи самт бо твитҳое, ки рӯйдодҳои гузаштаро нақл мекунанд, танҳо фикр баён мекунанд ё ҳолати ҷориро тавсиф мекунанд, омехта намешавад.

Манбаи маълумот ва тарҳи намуна

Маҷмӯи маълумоти манбаъ тақрибан 30.000 твити англисиро дар бар мегирифт, ки аз сентябри 2021 то марти 2023 аз платформаи X/Twitter ҷамъоварӣ шудаанд. Муҳаққиқон аз ин маҷмӯа 3.116 твити марбут ба Cardano, Binance, Fantom, Matic ва Ripple-ро ба таври тасодуфӣ интихоб карда, ба кори annotation дохил карданд.

Махсусан он ки синфи Neutral танҳо 112 намуна дорад, барои Task 2 номутавозунии ҷиддии синфҳоро ба вуҷуд меорад. Яке аз сабабҳои муҳими паст баромадани метрикае мисли Macro F1, ки ба ҳар синф вазни баробар медиҳад, маҳз ҳамин синфҳои камнамоянда мебошанд.

Раванди annotation

Ду annotator-и мард малакаи забони англисӣ ва дараҷаи магистр дар соҳаи илмҳои компютерӣ доштанд; синни онҳо байни 28–30 буд. Онҳо аввал дар маҷмӯи калибркунии 100 намуна кор карданд, хатогиҳо баррасӣ ва фикру мулоҳиза дода шуданд. Раванди пурраи annotation тақрибан як моҳ давом кард.

Моделҳои GPT ҳамчун annotator-и сеюм истифода шуданд. Ҳангоми муқоисаи тамғаҳои GPT-4o бо тамғаҳои дастӣ, арзиши Cohen's Kappa барои Predictive Statement Detection 0,7493 гузориш шуд. Манбаъ ин арзишро ҳамчун нишондиҳандаи мутобиқати қавӣ байни annotation-и инсон ва GPT тафсир кардааст.

Қоидаҳои annotation

Аз annotator-ҳо талаб карда шуд, ки танҳо изҳоротеро predictive қайд кунанд, ки натиҷаи ояндаро ба таври равшан дар назар доранд. Агар твит чанд пешгӯиро дар бар гирад, пешгӯии бартаридошта интихоб шуд. Пешгӯиҳои киноявӣ ё номуайян, агар самти равшани оянда надошта бошанд, дохил карда нашуданд. Изҳороте мисли “Оё Bitcoin боло меравад?”, ки танҳо савол медиҳанд, агар муаллиф ҷавобро ба таври равшан ишора накунад, predictive ҳисоб нашуданд.

Коркарди пешакии матн

Қадамҳои коркарди пешакӣ, ки дар манбаъ гузориш шудаанд, хориҷ кардани URL-ҳо бо ифодаҳои мунтазам, тоза кардани аломатҳои китобатӣ ва рамзҳои махсус, хориҷ кардани калимаҳое, ки дарозиашон ду ё камтар аломат аст, tokenization ва normalization мебошанд.

Дар моделҳои анъанавии омӯзиши мошинӣ матн бо TF-IDF ба хусусиятҳои ададӣ табдил дода шуд. Дар омӯзиши амиқ embedding-ҳои пешомӯхтаи калимаҳои GloVe ва FastText ва дар моделҳои transformer намояндагиҳои контекстии пешомӯхта мустақиман истифода шуданд.

Мувозинатсозии синфҳо бо GPT

Муҳаққиқон аз синфҳои камнамоянда намунаҳо интихоб карда, аз GPT-4o хоҳиш карданд, ки бо нигоҳ доштани маънои аслӣ paraphrase-ҳое созад, ки тартиби калимаҳоро тағйир медиҳанд. Ин намунаҳои синтетикӣ ба маҷмӯи маълумот илова шуда, шумораи синфҳо баробар карда шуд.

Мувозинатсозии маълумот бар пояи GPT ба иҷроиши модел чӣ гуна таъсир расонд?

Дар манбаъ, пас аз он ки намунаҳои paraphrase-и бо GPT-4o сохташуда синфҳои камнамояндаро баробар карданд, арзишҳои macro F1-и омӯзиши анъанавии мошинӣ, омӯзиши амиқ ва моделҳои transformer ба таври назаррас баланд шуданд; аммо азбаски таҳқиқот маҷмӯи мустақили санҷиши берунаро гузориш намедиҳад ва шарҳ намедиҳад, ки намунаҳои paraphrase дар байни fold-ҳои cross-validation чӣ гуна гурӯҳбандӣ шудаанд, бояд алоҳида санҷида шавад, ки ин афзоиш то чӣ андоза ба твитҳои нави мустақили ҷаҳони воқеӣ интиқол меёбад.

Метрикаҳои арзёбӣ

Манбаъ метрикаҳои Accuracy, Precision, Recall ва F1-score-ро истифода мебарад:

\[ Accuracy=\frac{TP+TN}{TP+TN+FP+FN} \]

\[ Precision=\frac{TP}{TP+FP} \]

\[ Recall=\frac{TP}{TP+FN} \]

\[ F1=2\times\frac{Precision\times Recall}{Precision+Recall} \]

Дар ин ҷо \(TP\) мусбатҳои дуруст, \(TN\) манфиҳои дуруст, \(FP\) мусбатҳои нодуруст ва \(FN\) манфиҳои нодурустро ифода мекунанд.

Macro F1 ба арзиши F1-и ҳар синф вазни якхела медиҳад:

\[ MacroF1=\frac{1}{N}\sum_{i=1}^{N}F1_i \]

Weighted F1 бошад дастгирии ҳар синф, яъне шумораи намунаҳоро ҳамчун вазн истифода мебарад:

\[ WeightedF1= \sum_{i=1}^{N} \frac{support_i}{total\ instances} F1_i \]

Таҳқиқот азбаски ба ҳар синф аҳаммияти баробар медиҳад, macro F1-ро ҳамчун ченаки асосии муқоиса интихоб мекунад. Арзёбӣ бо 5-fold cross-validation анҷом дода шудааст.

Оилаҳои моделҳои баррасишуда

Таҳлили эҳсосот бо SenticNet

SenticNet метавонад барои ҳар твити predictive чанд сигнали эҳсосӣ пешниҳод кунад. Манбаъ эҳсосоти монандро дар шаш гурӯҳ баррасӣ кардааст: Delight and Joy, Enthusiasm and Eagerness, Delight and Pleasantness, Grief and Sadness, Fear and Anxiety ва Rage and Anger.

Ба 100 ҷамъ нашудани фоизҳо дар як сатр хато нест; як твит метавонад чанд категорияи эҳсосиро ҳамзамон дошта бошад.

Дар пешгӯиҳои Incremental эҳсосоти мусбат бартарӣ доранд; дар твитҳои Decremental Grief and Sadness, Fear and Anxiety ва Rage and Anger бештар дида мешаванд. Бо вуҷуди ин, баъзе пешгӯиҳои коҳиш низ эҳсосоти мусбати баланд доранд. Манбаъ инро бо он мепайвандад, ки баъзе иштирокчиён метавонанд коҳиши интизоршавандаи нархро ҳамчун имконияти харид арзёбӣ кунанд.

Усул ва Натиҷаҳои Таҳқиқот

Моделҳои анъанавӣ дар маълумоти аслии номутавозин

Дар Task 2 пасттар будани арзишҳои macro F1 бо он мувофиқ аст, ки се синфи самт аз ҷиҳати маъноӣ ба ҳам наздиканд ва синфи Neutral хеле хурд аст.

Моделҳои анъанавӣ дар маълумоти бо GPT мутавозиншуда

Гарчанде дар матни манбаъ SVM-RBF барои Task 2 “беҳтарин” номида шудааст, арзиши 0,6488-и Random Forest дар ҳамон ҷадвал аз 0,6478 калонтар аст. Бахши натиҷаҳо низ Random Forest-ро ҳамчун беҳтарин модели анъанавии Task 2 нишон медиҳад. Аз ин рӯ, дар муқоисаи бар пояи ҷадвали ададӣ Random Forest асос гирифта шудааст.

Натиҷаҳои омӯзиши амиқ

Гарчанде дар ривояти манбаъ CNN + GloVe ва арзиши 0,6149 ҳамчун беҳтарин модели омӯзиши амиқи Task 2 зикр шудаанд, Ҷадвали 12 барои CNN + FastText арзиши 0,6153 медиҳад. Дар бахши натиҷаҳо низ CNN + FastText бо 0,6153 дуруст ҳамчун пешсаф нишон дода шудааст.

Натиҷаҳои Transformer

Дар Task 1 XLM-RoBERTa ба баландтарин арзиши macro F1 дар тамоми таҳқиқот расидааст. Дар Task 2 бошад бартарии ҳамон оилаи моделҳо идома намеёбад; гарчанде DistilRoBERTa дар байни transformer-ҳо беҳтарин аст, аз Random Forest ва CNN + FastText қафо мемонад.

Муқоисаи мустақими се оилаи модел

Ин ҷадвал бо изҳороти дохили манбаъ, ки “transformer-ҳо дар маълумоти мутавозиншуда дар ҳар ду вазифа ба таври равшан беҳтаранд”, мувофиқ нест. Барои Task 1 ин изҳорот дуруст аст; барои Task 2 не. Abstract ва бахши натиҷаҳои манбаъ бо ҷадвалҳо мувофиқанд ва мегӯянд, ки transformer-ҳо дар Task 1 ва моделҳои анъанавӣ дар Task 2 натиҷаи баландтарин додаанд.

Чаро беҳтарин модел дар ду вазифа яксон нест?

Task 1 танҳо матнҳои predictive ва non-predictive-ро ҷудо мекунад, дар ҳоле ки Task 2 интизориҳои аз ҷиҳати маъноӣ наздиктари Incremental, Decremental ва Neutral-ро фарқ мекунад; дар натиҷаҳои манбаъ намояндагии контекстии transformer дар Task 1 баландтарин macro F1 медиҳад, аммо дар фарқгузории нозуктари Task 2 равиши анъанавии Random Forest бар пояи TF-IDF macro F1-и баландтар медиҳад.

Тағйири иҷроиш байни маълумоти номутавозин ва мутавозин

Манбаъ ин натиҷаҳоро чунин тафсир мекунад, ки мувозинатсозии бар пояи GPT махсусан омӯзиши синфҳои minority-ро осон кардааст. Бо вуҷуди ин, азбаски арзёбӣ танҳо ба cross-validation дар дохили ҳамон манбаи маълумот такя мекунад, умумисозӣ ба ҷаҳони воқеӣ бояд алоҳида санҷида шавад.

Таҳлили хато

Он ки синфи Neutral нисбат ба ду синфи дигари самт ба таври назаррас осонтар шинохта мешавад, ишора мекунад, ки пешгӯиҳои “афзоиш” ва “коҳиш” метавонанд хусусиятҳои забонии муштараки бештар дошта бошанд. Манбаъ инро махсусан бо арзишҳои пасттари precision/recall дар синфҳои Incremental ва Decremental баррасӣ мекунад.

Паёми илмии confusion matrix-ҳои саҳифаи 9

Шакли 1-и манбаъ нишон медиҳад, ки дар Task 1 намунаҳои Non-Predictive нисбат ба намунаҳои Predictive сатҳи баландтари таснифи дуруст доранд. Шакли 2 бошад нишон медиҳад, ки Random Forest дар Task 2 синфи Neutral-ро ба таври назаррас беҳтар ҷудо мекунад ва намунаҳои Incremental ва Decremental бештар бо ҳам омехта мешаванд. Ин тасвирҳо нишон медиҳанд, ки танҳо ба accuracy-и умумӣ нигоҳ кардан кофӣ нест; профили хатои ҳар синф низ бояд алоҳида баррасӣ шавад.

Оё ин таҳқиқот воқеан нархи криптовалютаро пешгӯӣ мекунад?

Не. Таҳқиқот арзиши ададӣ ё самти ояндаи нархи криптовалютаро нисбат ба маълумоти бозорӣ пешгӯӣ намекунад; он интизориҳои самтноки одамонро дар твитҳо нисбат ба оянда тасниф мекунад ва муаллифон мутобиқсозии ин синфҳоро бо ҳаракатҳои воқеии нарх ба таври равшан ҳамчун санҷише мегузоранд, ки бояд дар оянда анҷом дода шавад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Фарқи байни predictive statement ва sentiment-и умумӣ дар матнҳои иҷтимоии марбут ба крипто сохтори таснифи думарҳилаии қобили истифода фароҳам меорад.
• Пас аз GPT-based paraphrase augmentation macro F1 дар ҳамаи оилаҳои моделҳо боло рафтааст.
• Дар Task 1 XLM-RoBERTa баландтарин арзиши macro F1-ро додааст.
• Дар Task 2 Random Forest нисбат ба transformer ва моделҳои омӯзиши амиқ macro F1-и баландтар додааст.
• Изҳороти Incremental бештар бо эҳсосоти мусбат ва изҳороти Decremental бештар бо эҳсосоти манфӣ алоқаманданд.
• Эҳсосот ва интизории самти бозор як чиз нестанд; баъзе пешгӯиҳои коҳиш метавонанд бо эҳсоси мусбат ҳамроҳ бошанд.
• Синфи Neutral дар таҳлили хатои интихобшуда нисбат ба синфҳои Incremental ва Decremental precision, recall ва F1-и баландтар нишон медиҳад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

Таҳқиқот нишон намедиҳад, ки синфҳои твит ҳаракатҳои воқеии нархи криптовалютаро пешгӯӣ мекунанд, моделҳо системаи судовари trading месозанд, натиҷаҳо ба забонҳои дигар ё платформаҳои дигари иҷтимоӣ худкорона умумӣ мешаванд, дар бозори вақти воқеӣ ҳамон сатҳи муваффақиятро нигоҳ медоранд ё иҷроиши cross-validation дар маълумоти бо GPT афзуда бо иҷроиши маълумоти мустақили беруна яксон аст.

Маҳдудиятҳои асосӣ

Як платформа: Маълумот танҳо аз X/Twitter гирифта шудааст.

Як забон: Танҳо твитҳои англисӣ истифода шудаанд; умумисозии фарҳангӣ ва забонӣ санҷида нашудааст.

Маълумоти воқеии бозор нест: Синфҳои Predictive statement ҳанӯз бо ҳаракатҳои воқеии ҳамзамон ё ояндаи нарх тасдиқ нашудаанд.

Маҷмӯи санҷиши беруна гузориш нашудааст: Арзёбӣ ба 5-fold cross-validation такя мекунад.

Ҷузъиёти augmentation-fold нокифоя аст: Шарҳ дода нашудааст, ки GPT paraphrase-ҳо дар байни fold-ҳо бо намунаҳои аслии худ якҷо гурӯҳбандӣ шудаанд ё не. Аз ин рӯ, таъсири намунаҳои синтетикӣ ба мустақилияти арзёбӣ пурра назорат карда намешавад.

Ҷузъиёти гиперпараметрҳо маҳдуданд: Манбаъ оилаҳои моделҳоро номбар мекунад, аммо барои ҳар модел гиперпараметрҳои муфассали омӯзиш, танзимоти optimizer, шумораи epoch ва ҷузъиёте мисли random seed-ро, ки барои такроршавандагӣ муҳиманд, фарогирона намедиҳад.

Номувофиқати ривояти натиҷаҳо дар дохили манбаъ: Баъзе матнҳои зербахш бо рейтинги моделҳо дар ҷадвалҳои ададии ҳамон саҳифа мувофиқ нестанд; бинобар ин дар мақолаи Verianla ба ҷадвалҳои ададӣ ва бахши натиҷаҳо афзалият дода шудааст.

Самтҳои таҳқиқоти оянда

Муаллифон ният доранд синфҳои predictive statement ва сигналҳои эҳсосии SenticNet-ро бо ҳаракатҳои воқеии нарх дар ҳамон фосилаҳои вақт мутобиқ карда, имконияти пешгӯиро санҷанд. Ҳамчунин маълумоти бисёрзабона, барномаҳои вақти воқеӣ ва усулҳои алтернативии мувозинатсозии синфҳо, мисли PBC4cip, ҳамчун самтҳои таҳқиқоти оянда зикр шудаанд.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслӣ: Decoding Market Emotions in Cryptocurrency Tweets via Predictive Statement Classification with Machine Learning and Transformers

Муаллифон: Moein Shahiki Tash; Zahra Ahani; Mohim Tash; Mostafa Keikhay Farzaneh; Ari Y. Barrera-Animas; Olga Kolesnikova.

Аффилиатсияҳо: Centro de Investigación en Computación, Instituto Politécnico Nacional, Ciudad de México; Management and Economics Faculty, University of Sistan and Baluchestan, Zahedan; Universidad Panamericana, Ciudad de México.

Версияи манбаи боршуда: preprint аз 25 март 2026; дар PDF ибораи “Preprint submitted to Results in Physics” мавҷуд аст.

Сабти бойгонӣ: arXiv:2603.24933. DOI барои объекти ArXiv: 10.48550/arXiv.2603.24933.

Вазъи ҷории нашр: Ҳамин таҳқиқот бо ҳамон шаш муаллиф ба назар мерасад, ки соли 2026 дар Computación y Sistemas, Vol. 30 No. 3, s. 1943–1953 нашр шудааст. Дар сабти маҷалла унвон бо шакли дефисдори “Predictive-Statement Classification” навишта шудааст.

Маҷалла: Computación y Sistemas.

Муассисаи нашркунанда: Instituto Politécnico Nacional, Centro de Investigación en Computación.

Тақриз: Computación y Sistemas маҷаллаи илмии тақризшаванда аст; ҳуҷҷати боршуда бошад версияи preprint-и пеш аз нашри маҷалла мебошад.

Литсензия: Нашрияҳои Computación y Sistemas таҳти литсензияи Creative Commons Attribution 4.0 International (CC BY 4.0) нашр мешаванд.

DOI-и ниҳоии маҷалла: Азбаски DOI-и ниҳоии ин мақола дар индекси расмии дастраси маҷалла тасдиқ нашуд, он сохта нашудааст. 10.48550/arXiv.2603.24933 DOI-и версияи arXiv мебошад.

Маълумот: 3.116 твит, ки аз маҷмӯаи манбаъии тақрибан 30.000 твити англисӣ, ҷамъоваришуда аз X/Twitter дар давраи сентябри 2021–марти 2023, ба таври тасодуфӣ интихоб шудаанд.

Криптовалютаҳо: Cardano, Binance, Fantom, Matic ва Ripple.

Annotation: Ду annotator-и инсонӣ + моделҳои GPT; Predictive Statement Detection Cohen's κ = 0,7493 байни GPT-4o ва annotation-и инсонӣ.

Мувозинатсозии маълумот: paraphrase augmentation-и нигоҳдорандаи маъно бо GPT-4o.

Коркарди пешакӣ: хориҷ кардани URL, тоза кардани рамзҳои махсус, хориҷ кардани token-ҳои кӯтоҳ, tokenization ва normalization.

Моделҳои анъанавӣ: Logistic Regression, Random Forest, XGBoost, SVM Linear, SVM RBF; намояндагии TF-IDF.

Омӯзиши амиқ: CNN ва BiLSTM; embedding-ҳои GloVe ва FastText.

Моделҳои Transformer: DistilRoBERTa, RoBERTa-base, RoBERTuito, BERT-base, XLM-RoBERTa.

Истихроҷи эҳсосот: SenticNet.

Арзёбӣ: 5-fold cross-validation; Accuracy, Precision, Recall, F1, Macro F1 ва Weighted F1.

Маблағгузорӣ ва дастгирӣ: Mexican Government CONACYT A1-S-47854; грантҳои Instituto Politécnico Nacional Secretaría de Investigación y Posgrado 20241816, 20241819 ва 20240951; захираҳои суперкомпютерии INAOE; Microsoft Latin America PhD Award.

Corresponding author: Дар preprint-и боршуда ба таври равшан нишон дода нашудааст.

Data Availability Statement: Дар preprint-и боршуда изҳороти алоҳидаи дастрасии маълумот мавҷуд нест.

CRediT / саҳми муаллифон: Дар preprint-и боршуда бахши алоҳидаи саҳми CRediT мавҷуд нест.

Бархӯрди манфиатҳо: Дар preprint-и боршуда изҳороти алоҳидаи conflict-of-interest мавҷуд нест.

Ҳадди асосии илмӣ: Ин таҳқиқот таснифи интизории оянданигари бозорро дар матни шабакаҳои иҷтимоӣ арзёбӣ мекунад; ҳанӯз муваффақияти forecasting-и нархи воқеии криптовалюта ё даромади сармоягузориро намесанҷад.