Nowadays, sentiment analysis is a popular research area in computer science. which aims to determine a person's or a group's mood, behaviour and opinion about any topic with using textual documents. With the proliferation of social micro-blogging sites, digital opinion text data is increased. Thus, many sentiment analysis researches are performed on these public data in different sociological fields, such as finance, economy and politics. In this paper, a novel sentiment analysis method is proposed on micro-blogging sites which uses new user metrics. Proposed method is used to measure financial community's sentiment polarity on micro-blogging sites. In addition to that we analyze the correlation between the mood of financial community and the behavior of the Borsa Istanbul 100 index weekly by Pearson correlation coefficient method. Our test results show that this novel sentiment analysis method improves to the accuracy of linear relationship between the behavior of the stock market and the sentiment polarity of the financial community.
Günümüzde, insanların iletişim ihtiyaçlarını pratik bir şekilde karşılayan mikro blog servisleri çok hızlı bir şekilde yaygınlaşmaktadır. Mikro blog servisleri sayesinde günlük olan olaylar ve haberler kamusal alanda hızlı bir şekilde yayılmaktadır. Bu imkândan yararlanmak isteyen bireyler ilgi duydukları alanlar ile alakalı bilgiye erişebilmek için birbirlerini mikro blog servisleri aracılığı ile takip etmektedir. Bu şekilde oluşan topluluklar sayesinde konu ile ilgili bilgi, topluluklar içerisinde hızlıca yayılmaktadır ve topluluğa üye olan kullanıcılara etkili bir şekilde tesir etmektedir.
Duygu analizi, bilişimsel dilbilimi ve veri madenciliği içerisinde yer alan bir alt disiplindir. Duygu analizinin ana amacı kişilerin ruh halini, davranışlarını ve fikirlerini metinsel dokümanlardan keşfetmektir. Mikro blog servislerinin artmasıyla, bu servislere ait kamusal veriler; politika, ekonomi ve finans gibi farklı sosyolojik alanları hedef alan duygu analizi çalışmalarında kullanılmaktadırlar.
Günümüzde, mikro blog servisleri üzerinden günlük çok sayıda finans haberi
paylaşılmaktadır. Haberler mikro blog servisi üzerinden gönderildiği için piyasa
hakkında önemli bilgiler içermektedir. Bu servisler sayesinde yatırımcılar finans ile
alakalı önemli bilgilerden hızlıca haberdar olup bilgiler dâhilinde yatırım kararı
almaktadır. Alınan yatırım kararları ile finansal piyasaların davranışı etkilenmektedir.
Bu bağlamda bu iletiler üzerinde yapılan duygu analizi araştırmaları sayesinde
finansal piyasaların davranışları analiz edilebilmektedir. Literatür incelendiğinde,
araştırmacılar finansal piyasaların davranışını incelemek için birçok duygu analizi
çalışması gerçekleştirmişlerdir [
BIST 100, Türkiye merkezli en iyi 100 kamuya açık şirketi içeren ve standart işlem seansında bu şirketlere ait hisse senetlerinin alınıp satıldığı bir borsa endeksidir. Bu çalışmada BIST 100 endeksinin hareketleri ile klasik duygu analizi yöntemi kullanılarak elde edilen Türk finans topluluğunun duygu polaritesi arasında doğrusal bir korelasyon olduğu görülmektedir. Daha sonra klasik duygu analizi yöntemine ek olarak önerilen özgün kullanıcı metrikleri ile birlikte topluluğa ait hesaplanan duygu polaritesinin, klasik yöntemlere nazaran BIST 100 endeksinin hareketleri ile daha doğrusal bir korelasyona sahip olduğu gösterilmektedir. Finans alanında gerçekleştirilen önceki duygu analizi yöntemlerinde topluluğun duygu polaritesi hesaplanırken, mikro blog kullanıcılarının ait olduğu topluluğa olan etkisi göz ardı edilerek sadece kısa ileti içeriklerine odaklanılmaktadır. Önceki çalışmalardan farklı olarak, bu çalışmada kullanıcıların topluluğa olan etkilerini hesaplamaya dâhil eden yeni bir duygu analizi yöntemi önerilmektedir. Her kullanıcı için bir "güven” değeri hesaplanmaktadır ve gönderilerine bu güven değeri ile orantılı bir katsayı değeri atanmaktadır. Kullanıcının, finans alanındaki uzmanlığı ve ait olduğu topluluktaki inandırıcılığı onun güven değerini oluşturmaktadır.
Bildirinin geri kalan bölümleri şöyle sıralanmaktadır: Bölüm 2’de finans alanında gerçekleştirilen duygu analizi yöntemleri ele alınmaktadır. Bölüm 3’te önerilen çalışma detaylı olarak açıklanmaktadır. Bölüm 4’te çalışma kapsamında toplanan veri kümesi ve yapılan deneysel çalışmaların sonuçları vurgulanmaktadır. Son bölümde ise çalışma, çıkan sonuçlar ışığında sonuca bağlanmaktadır.
Liu [
Duygu analizinin temel motivasyonu diğer insanların düşüncelerini ortaya
çıkarmaktır [
Finansal alanda yapılan duygu analizi çalışmaları artmasına rağmen, bu çalışmalar tanımlanmış bir sosyal ağın duygu polaritesini analiz etmek için sadece mikro blog servislerinden gönderilen kısa iletilere ait metinsel içerikleri göz önünde bulundurmaktadırlar. Böyle bir yaklaşımın tanımlanmış sosyal ağa ait duygu polaritesinin belirlenmesinde yetersiz olduğu varsayılmaktadır. Liu'dan esinlenerek bu çalışmada önerilen temel fikir, herhangi bir topluluğun gerçeğe yakın duygu polaritesini bulabilmek için kullanıcıların topluluk içerisindeki güven değerleri dikkate alınmalıdır. Bu nedenle bu çalışmada, mikro blog servisleri üzerinde analiz yapmak için yeni tanımlanan kullanıcı metrikleri kullanan özgün bir duygu analizi yöntemi önerilmektedir. 3 3.1
analizi için hazır değildir. Çalışmanın kapsamı doğrultusunda ilk önce Türkçe olmayan iletiler veri kümesinden çıkartılmaktadır. Bu adımdan sonra veriyi duygu analizi için daha anlamlı bir hale getirmek için bazı doğal dil işleme teknikleri uygulanmaktadır. Bu teknikler adım adım kısaca aşağıda ifade edilmektedir; Cümleleri Ayrıştırmak. Ana doğal dil işleme adımıdır. Bu adımda girdi olarak alınan cümleler, kelimelere ve anlamlı ifadelere ayrıştırılmaktadır. Normal Türkçe metin ayrıştırma işlemlerine ek olarak mikro blog iletileri ayrıştırılırken bazı hususlar dikkate alınmalıdır. Bunlar; his simgeleri (":D", ":x", ":)"), Twitter işaret dili ("@", "#"), büyük harfle ve tekrarlı yazım ("HAYIR", "lüüütttfeeenn").
Gövdeleme. Doğal dil işlemede önemli bir adımdır. Gövdeleme işlemenin ana görevi kelimenin çekim eklerini temizlemektedir. Böylece duygu analizi yönteminin başarı oranı artmaktadır. Sadece çekim eklerini temizlediği için kelime anlam kaybına uğramamaktadır.
Finansal Sosyal Topluluk Ağ Bilgisi. Çalışmada kullanılan finansal sosyal topluluk,
Türkiye'de yayın yapan bir ekonomi kanalının sunucuları ve bu sunucuların ortak
arkadaşlarından oluşmaktadır. Bu çalışmanın amacı, finansal sosyal topluluğun
Türkçe kısa iletileri üzerinde özgün bir duygu analizi yöntemi uygulamaktır. Bu
yüzden elde edilen veri kümesi içerisindeki kişilerin paylaşımlarına bakılarak Türkçe
kelime paylaşımı %50'den düşük olan kişiler bu topluluktan çıkartılmaktadır. Bir
kelimenin Türkçe olup olmadığını anlamak için güncel Türk Dil Kurumu [
Özellik Çıkarma ve Seçme Duygu analizi yaklaşımı temelde bir sınıflandırma problemidir. Bu nedenle, veri kümesi üzerinde duygu analizi gerçekleştirmek için öncelikle metin özellikleri çıkartılmalıdır. Daha sonra bu özellikler içerisinden belirlenen kriterler doğrultusunda uygun olan metin özellikleri seçilmelidir. Bu özellikler daha çok terimlerin varlığı veya sıklığı şeklinde durumlar hakkında görüş belirten kelimelerden oluşmaktadır. Özellik çıkarma işlemi dokümanlara bir kelime kümesi şeklinde davranarak n-grams (unigram, bigram, trigram) yaklaşımı uygulamaktadır. Uygun n-grams tekniği veri kümelerinin karmaşıklık derecesine göre belirlenmektedir.
Literatürde özellik seçimi için istatiksel yöntemler kullanılmaktadırlar. Bu
yöntemlerden bazıları Point-wise Mutual Information [
Bu çalışmada, özellik çıkartmak için unigram ve bigram özellik temsilleri birleştirilmektedir. Özellik seçmek için ise PMI yöntemi kullanılmaktadır.
Vc(w) = log( c( ))
3.3
Duygu sınıflandırması yöntemi iki ana dala ayrılmaktadır; makine öğrenmesi tabanlı yaklaşım ve sözlük tabanlı yaklaşım. Makine öğrenme tabanlı yaklaşım sınıflandırma sırasında makine öğrenme algoritmalarını ve dilbilimsel özellikleri kullanmaktadır. Sözlük tabanlı yaklaşım ise sınıflandırma sırasında önceden hazırlanmış duygu kavramlarından oluşan sözlüklerden yararlanmaktadır. Bazı çalışmalarda ise bu iki yönelimin melez bir yaklaşımı kullanılmaktadır.
Literatürde, duygu analizi için bazı makina öğrenmesi tabanlı sınıflandırma
yöntemleri önerilmektedir. Ancak, duygu analizi için hangi yöntemin daha uygun
olduğu tam olarak açık değildir [
Önerilen Duygu Analizi Yöntemi
Duygu analizinin amacı verilen metinin polaritesini sınıflandırmaktır. Mikro blog
perspektifinde, duygu analizi sınıflandırması için kullanıcılarının kısa metin
şeklindeki görüşleri kullanılmaktadır. Liu [
Opinion(e, a, s, h, t) (2)
Liu bir görüşün açık bir şekilde ifade edilebilmesi için bu beş parametrenin gerekli olduğunu belirtmektedir. Bu nedenle, başarılı bir duygu analizi gerçekleştirilebilmesi için bu beş kavramın görüş için kullanılması gerekmektedir.
Literatürde, finansal piyasalar ve sosyal ağların duygu polaritesi arasındaki
korelasyonu bulmayı hedefleyen birçok çalışma gerçekleştirilmiştir. Bu çalışmaların
birçoğu [
Bu bağlamda bu çalışma, bir konu üzerinde belirtilen görüşün sahip olduğu polarite değerinin, görüş sahibinin ait olduğu topluluğun ona duyduğu güven doğrultusunda değişeceğini iddia etmektedir. Bu iddia doğrultusunda toplulukların duygu polaritesini ölçümleyebilmek için görüş sahiplerini hesaplamaya dâhil eden özgün bir duygu analiz yaklaşımı önerilmektedir. Bu amaçla, mikro blog kullanıcıları için iki tane metrik tanımlanmaktadır. Bu metriklerin tanımlanma amacı kullanıcıların sosyal ağlardaki önemini ölçmek içindir. Bu metrikler; Üyelik Derecesi (üd) ve İlgi Derecesi (id) olarak adlandırılmaktadır. Üyelik Derecesi kullanıcının grup içerisindeki inandırıcılığını ölçmektedir. İlgi Derecesi ise kullanıcının bir konu ile alakalı ilgi derecesini ölçmektedir. Üyelik Derecesi. Bu çalışmada konu tabanlı mikro blog kullanıcılarının oluşturduğu sosyal ağ bir yönsüz çizelge olarak ifade edilmektedir (U,L). Bu ifadede mikro blog kullanıcıları kümesi U ve bu kullanıcılar arasındaki arkadaşlık ilişkisi kümesi L olarak gösterilmektedir. Arkadaşlık ilişkisi l birbirini takip eden iki mikro blog kullanıcısı arasındaki ilişkiyi belirtmektedir. Bunlara ek olarak, H çalışma için belirlenen ekonomi kanalı sunucularının oluşturduğu kümeyi ve F ise çalışmada önerilen finansal ilgiye sahip kullanıcıların oluşturduğu sosyal ağı nitelemektedir. Bir mikro blog kullanıcısı olan x, F kümesine katılabilmesi için H kümesine ait iki kullanıcı h1 ve h2 ile arasında l1 ve l2 arkadaşlık ilişkisi olması gerekmektedir. Önerilen finansal sosyal ağa katılım tanımı denklem 3 ve 4'te ifade edilmektedir.
∀x∈U, h1,h2∈H, l1,l2∈L; ∀x{l1={(x,h1)=(h1,x)} ∧ l2={(x,h2)=(h2,x)}→ x∈F}
Bir kullanıcının gruba katılma zamanı tbm ile gruptan ayrılma zamanı tlm arasında geçen üyelik süresini tm olarak tanımlanmaktadır. Ayrıca bütün sosyal ağa ait üyelerin ortalama üyelik süresini tm_ort ile ifade edilmektedir. Üyelik Derecesi (üd), kullanıcının üyelik süresinin tm, ait olduğu sosyal ağın üyelik süresi ortalamasına tm_ort oranıdır. Bu tanımlar denklem 5, 6 ve 7’de gösterilmektedir. Çalışmada kullanıcının üye kalma süresi ile kullanıcının inandırıcılığı doğru orantılı düşünülmektedir. Bu nedenle üyelik zamanı uzun olan kullanıcıların görüşleri daha güvenilir bir kaynak olarak ele alınmaktadır.
tm = tbm – tlm tm_ort = ∑|=|1
| | üd =
_ (3) (4) (5) (6) (7) İlgi Derecesi. Finans literatüründe, finans ile ilgili isim tamlamaları, kelimeler ve kısaltmalardan oluşan finans sözlükleri araştırmalarda kullanılmaktadır. Bu çalışmada, akademik çalışmalarda kullanılmış Türkçe finans sözlüklerinin birleştirilmesinden oluşan FW olarak ifade edilen bir sözlük kullanılmaktadır. Bu sözlük 1953 tane finans ile alakalı terim içermektedir, FW={w1, w2, w3, w4…}. Birleştirilen finans sözlüğü mikro blog kullanıcılarının ne kadar finans ile ilgili paylaşım yaptığını belirlemek için kullanılmaktadır.
İlgi Derecesi (id) bir kullanıcının ne kadar finans ile alakalı paylaşım yaptığını göstererek aslında o kullanıcının konu hakkındaki uzmanlık derecesi hakkında ipucu vermektedir. İlgi derecesini hesaplarken ilk önce kullanıcının mikro blog iletileri kelime kümesine dönüştürülmektedir; UTW = {w1, w2, w3, w4....}. Daha sonra hem FW kümesinin hem de UTW kümesinin üyesi olan elemanlar için UFW kümesi oluşturulmaktadır. Kesişim kümesi, kullanıcıların kullandığı finans ile alakalı kelimeleri içermektedir, UFW = {w1, w2, w3, w4…}. Kümeler arasındaki ilişki denklem 8’de gösterilmektedir.
∀x{x∈FW, x∈UTW; → x∈UFW}, FW ∩ UTW = UFW (8)
Bir kullanıcının tanımlanan finansal kelime kullanma yüzdesi ilgi değeri iv olarak tanımlanmaktadır. Ayrıca bütün F sosyal ağına ait kullanıcıların ortalama ilgi değeri ivort olarak ifade edilmektedir. İlgi Derecesi (id), kullanıcının ilgi değerinin iv ait olduğu sosyal ağın ortalama ilgi değerine ivort oranıdır. Bu tanımlar denklem 9, 10 ve 11’de gösterilmektedir iv = || | | ivort = ∑| =|1
| | id =
Önerilen özgün duygu analizi yönteminde, her kullanıcı için finansal alan ile ilgili duygu polaritesi ölçümünün başarımını artırmak için üd ve id olarak adlandırılan iki metriğin belirlenmesi gerekmektedir.
Önceki finans alanı üzerinde yapılan duygu analizi çalışmalarında, topluluğun duygu polaritesi hesaplanırken kullanıcıların o konuya olan ilgi seviyesi ve grup içindeki inandırıcılık seviyesi göz önünde bulundurulmamaktadır. Araştırmacılar sadece mikro blog içeriğini hesaplamaya dâhil etmektedirler. Bir başka ifadeyle aslında araştırmacılar gerçekleştirilen çalışmalarında kullanıcı kavramının yani kısa ileti sahibinin katsayı değerini 1 almaktadırlar. Önceki çalışmalarda toplulukların duygu polaritesini (tdp) hesaplamak için kullanılan yöntem denklem 12’de gösterilmektedir. SP kümesi her kısa ileti için duygu polaritesini içeren küme olarak ifade edilmektedir, SP={sp1, sp2, sp3, sp4.....}.
tdp = ∑|=1| = ∑|=1| ∗1
| | | |
Bu çalışmada, bir kullanıcının bir konu üzerindeki alaka düzeyinin ve dâhil olduğu gruptaki inandırıcılık düzeyinin duygu analizindeki değerlendirme sürecine dâhil edilmesi gerektiği iddia edilmektedir. Yukarıda tanımlanan metrikler sayesinde, topluluğun duygu polaritesi hesaplamasında her bir kullanıcı için üd ve id değerleri eklenerek klasik duygu polaritesi hesaplama yaklaşımları geliştirilmektedir. Denklem 12’de ifade edilen hesaplama yöntemi her kısa ileti için kısa ileti sahibinin üdks ve idks değerleri eklenerek denklem 13’deki ifadeye dönüştürülmektedir. Önerilen yaklaşımdaki adımlar blok diyagram olarak Şekil 1’de tasvir edilmektedir. tdp = ∑|=1| ∗ü ∗ | | Şekil 1. Önerilen Duygu Analizi Yöntemi 4
Deneysel Çalışma
Önerilen yöntemi değerlendirmek için, yukarıda tanımlanan kullanıcı metriklerini
kullanan özgün bir duygu analizi uygulaması geliştirilmiştir. Uygulamada
kullanılacak modeli oluşturabilmek için Twitter4j kütüphanesi [
Özellikleri çıkartmak için unigram ve bigram özellik temsilleri birleştirilmiştir. Özellik seçmek için ise PMI yöntemi kullanılmıştır. Özellik çıkarma ve seçme işlemlerinden sonra 35,030 özellikten oluşan özellik kümesi elde edilmiştir. Bu çalışmada, Destek Vektör Makinası tabanlı bir duygu sınıflandırma yöntemi seçilmiştir. Etiketlenmiş veri kümesinin sınıflandırma performansı artırmak için 10katlamalı çapraz doğrulama yöntemi kullanılmıştır. Yöntem sonucunda elde edilen duygu sınıflandırma modelinin başarım oranı %73,63’dir.
Çalışmada kullanılan veri Twitter servisinden elde edilmiştir. Twitter sosyal ağı içerisindeki finans ile alakalı bireyleri keşfedilmek için bir yaklaşım belirlenmiştir. İlk olarak, Türkiye’de yayın yapan bir ekonomi kanalının spikerleri belirlenmiştir. Sonra bu belirlenen spikerler ile çift yönlü izleme ilişkisine sahip bireyler belirlenmiştir. Bu belirlenen grup içerisinde eğer iki spiker aynı kişi ile çift yönlü izleme ilişkisine sahipse, bu bireyin de finans ile ilgili olduğu varsayılmıştır. Bu öngörülü yaklaşım sayesinde finans hakkında konuşan bir sosyal ağ topluluğu oluşturulmuştur. Algoritma 1 finans topluluğu oluşturmak için kullanılan yöntemin çalışma adımlarını göstermektedir. FINANSALSOSYALTOPLULUKHAZIRLA prosedürünün zaman karmaşıklığı O(k*m) = O(n2); m bu prosedürde sunucuların ortak arkadaş sayısını, k ise sunucuların ortak arkadaşlarının arkadaşlarını tanımlamaktadır.
Algoritma 1: Finansal Sosyal Topluluğu Hazırlama 1: procedure FINANSALSOSYALTOPLULUKHAZIRLA(sunucular) 2: finansalSosyalToplulukÜyeleriİlişkileri ← [ ] 3: arkadaşlar ← [ ] 4: for all sunucu ∈ sunucular do 5: arkadaşlar.Ekle(ÇİFTYÖNLÜİLİŞKİLERESAHİPKULLANICILARIBUL(sunucu)) 6: end for 7: ortakArkadaşlar ← ORTAKARKADAŞBUL(arkadaşlar,2) // İkiden fazla arkadaşlar’a eklenen kişiler 8: for all ortakArkadaş ∈ ortakArkadaşlar do 9: finansalSosyalToplulukÜyeİlişkileri.Ekle(ÇİFTYÖNLÜİLİŞKİLERİBUL(ortakArkadaş)) 10: end for 11: return finansalSosyalToplulukÜyeleriİlişkileri 12: end procedure
Çalışmada kullanılan verileri Twitter servisinden elde etmek için Twitter4j
kütüphanesi [
Her kullanıcı için haftalık pozitif ve negatif kısa ileti sayısını Weka kütüphanesi
[
Haftalık karşılaştırma sırasında yüzdesel değişimi izleyebilmek için, BIST 100
kapanış ve açılış değerleri Türkiye Merkez Bankası internet sitesinden [
dphd = ℎ ℎ ğ +1− ℎ
ğ ğ
(14) Şekil 2’de 29 Eylül 2014 ile 14 Mart 2015 tarihleri arasında, klasik yöntem ile hesaplanan duygu polarite değeri, önerilen yöntem ile hesaplanan duygu polarite değeri ve BIST 100 haftalık değişim değeri görülmektedir. Şekil 2 incelendiği zaman, çoğu hafta topluluğun duygu polaritesi ile BIST 100 arasında doğrusal bir ilişki olduğu açıkça fark edilmektedir. Ancak bu değerler incelendiği zaman bazı haftalarda bu ilişkinin bozulduğu dikkat çekmektedir. Bu haftalar araştırıldığında sosyal topluluk üzerinde büyük etki yaratan olağandışı olayların bu haftalar içerisinde gerçekleştiği görülmektedir. Bu olağandışı olayları listesi Tablo 1’de verilmektedir. Şekil 2. 29 Eylül 2014 ile 14 Mart 2015 Tarihleri Arası Değişim Yüzdeleri
Şekil 2’de açıkça görüldüğü gibi önerilen genişletilmiş duygu analizi yönteminin
yüzdesel değişim oranları, klasik duygu analizi yönteminin yüzdesel değişim
oranlarına göre BIST 100’un haftalık yüzdesel değişim oranlarına daha yakın
seyretmektedir. Buna ek olarak, ayrıca eğer olağandışı olay ekonomi ile alakalı ise
önerilen yönteme ait sonuçların klasik yönteme ait sonuçlara göre daha çok
etkilendiği görülmektedir. Önerilerimizi daha netleştirmek ve haklı çıkarmak için, iki
değer serisi arasındaki doğrusal ilişki ölçümünde sıklıkla kullanılan Pearson
korelasyon katsayı [
BIST 100 ile topluluğun duygu polaritesi arasındaki güçlü doğrusal ilişkiyi bulmak ve önerilen duygu analizi yönteminin başarımını ölçmek için Pearson korelasyon katsayı yöntemi ile dört farklı analiz yapılmıştır. 1. Bütün veri üzerinde klasik duygu analizi yöntemi (BV-KDAY). 2. Bütün veri üzerinde önerilen duygu analizi yöntemi (BV-ÖDAY). 3. Olağandışı olayların gerçekleştiği haftalar çıkarılmış veri üzerinde klasik duygu analizi yöntemi (OO-KDAY). 4. Olağandışı olayların gerçekleştiği haftalar çıkarılmış veri üzerinde önerilen duygu analizi yöntemi (OO-ÖDAY)
Analizler sonucunda elde edilen Pearson korelasyon katsayı değerlerinin gösterdiği üzere önerilen duygu analizi yöntemiyle, haftalık borsa fiyat değişimleri ile haftalık finansal sosyal topluluk duygu polaritesi değişimleri arasında önceki yaklaşımlara göre daha yakın bir doğrusal ilişki elde edilmiştir. Analiz sonuçları Tablo 2'de gösterilmektedir.
BV-ÖDAY
0,1986 0,2283 0,5701 0,6662 5
Literatürde gerçekleştirilen araştırmalarda finans ve duygu analizi ilişkisi çokça ele alınmasına rağmen sosyal ağ kullanıcıları yeterince göz önünde bulundurulmamaktadır. Bu çalışmada, finans ile alakalı kullanıcı verileri göz önünde bulundurarak o kullanıcının finans ile alakalı ilgi düzeyini ve finansal topluluk içerisindeki inandırıcılığını kullanan, yeni bir topluluk düzeyi duygu analizi yöntemi önerilmektedir. Yapılan analizler sonucu önerilen yöntemin önceki yöntemlere göre finansal sosyal toplulukların duygu polaritesi ile borsa fiyatları arasındaki bağdaşıklık oranını daha hassas hesapladığı görülmektedir. Bu nedenle bir topluluğun duygu polaritesi hesaplamasında önerilen yöntemin önceki yaklaşımlardan daha etkin olduğu düşünülmektedir. Son olarak, gelecekte yapılacak çalışmalarda farklı sınıflandırma yöntemleri ve farklı veri kümeleri kullanılarak önerilen yaklaşımın daha detaylı ele alınması planlanmaktadır.