👩🏻‍⚖️ 🏂🏿 ⛎ अजगर पर ICO के साथ पेनकेक्स या कैसे लोगों और ICO परियोजनाओं को मापने के लिए 🤚 🔽 🈴

दोस्तों, शुभ दोपहर।

स्पष्ट समझ है कि ICO परियोजनाओं के बहुमत अनिवार्य रूप से एक अमूर्त संपत्ति है। ICO परियोजना एक मर्सिडीज-बेंज कार नहीं है - यह परवाह किए बिना कि कौन इसे प्यार करता है या नहीं। और ICO पर मुख्य प्रभाव लोगों की मनोदशा से बनता है - दोनों ही ICO के संस्थापक / संस्थापक और परियोजना के प्रति दृष्टिकोण।

किसी तरह ICO के संस्थापक और / या ICO परियोजना के प्रति लोगों के रवैये को मापना अच्छा होगा। जो किया गया था। रिपोर्ट नीचे है।

परिणाम इंटरनेट से, विशेष रूप से ट्विटर से सकारात्मक / नकारात्मक मूड को इकट्ठा करने का एक उपकरण था।

मेरा वातावरण विंडोज 10 x 64 है, वायर्ड नेटवर्क कनेक्शन एनाकोंडा 5.1.0 में स्पाइडर एडिटर में पायथन 3 भाषा का उपयोग करता है।

डेटा संग्रह

मुझे ट्विटर पोस्ट से मूड मिलेगा सबसे पहले, मुझे पता चलेगा कि ICO के संस्थापक अब क्या कर रहे हैं और वे प्रसिद्ध व्यक्तित्वों की एक जोड़ी के उदाहरण के साथ इस बारे में कितनी सकारात्मक प्रतिक्रिया देते हैं।

मैं अजगर टवेपी लाइब्रेरी का उपयोग करूंगा। ट्विटर के साथ काम करने के लिए, आपको इसमें एक डेवलपर के रूप में पंजीकरण करना होगा, ट्विटर / देखें। ट्विटर एक्सेस मानदंड प्राप्त करें।

कोड निम्नानुसार है:

import tweepy API_KEY = "vvvvEXQWhuF1fhAqAtoXRrrrr" API_SECRET = "vvvv30kspvqiezyPc26JafhRjRiZH3K12SGNgT0Ndsqu17rrrr" ACCESS_TOKEN = "vvvv712098-WBn6rZR4lXsnZCwcuU0aOsRkENSGpw2lppArrrr" ACCESS_TOKEN_SECRET = "vvvvlG7APRc5yGiWY5xFKfIGpqkHnXAvuwwVzMwyyrrrr" auth = tweepy.OAuthHandler(API_KEY, API_SECRET) auth.set_access_token(ACCESS_TOKEN, ACCESS_TOKEN_SECRET) api = tweepy.API(auth)

अब हम Twitter API की ओर मुड़ सकते हैं और उससे कुछ प्राप्त कर सकते हैं, या इसके विपरीत पोस्ट कर सकते हैं। बात अगस्त की शुरुआत में की गई थी। संस्थापक की वर्तमान परियोजना को खोजने के लिए आपको कुछ ट्वीट करने की आवश्यकता है। इस तरह खोजा गया:

 import pandas as pd searchstring = searchinfo+' -filter:retweets' results = pd.DataFrame() coursor = tweepy.Cursor(api.search, q=searchstring, since="2018-07-07", lang="en", count = 500) for tweet in coursor.items(): my_series = pd.Series([str(tweet.id), tweet.created_at, tweet.text, tweet.retweeted], index=['id', 'title', 'text', 'retweeted']) result = pd.DataFrame(my_series).transpose() results = results.append(result, ignore_index = True) results.to_excel('results.xlsx')

Searchinfo में हम आवश्यक नाम और आगे स्थानापन्न करते हैं। परिणाम results.xlsx एक्सेल में सहेजा गया था।

क्रिएटिव

फिर मैंने एक रचनात्मक बनाने का फैसला किया। हमें संस्थापक की परियोजनाओं को खोजने की आवश्यकता है। परियोजना के नाम उचित नाम हैं और पूंजीकृत हैं। मान लीजिए यह भी सच लगता है कि प्रत्येक ट्वीट में एक बड़े अक्षर के साथ लिखा जाएगा: 1) संस्थापक का नाम, 2) उसकी परियोजना का नाम, 3) ट्वीट का पहला शब्द और 4) विलोम शब्द। शब्द 1 और 2 अक्सर ट्वीट पर पाए जाएंगे, और 3 और 4 दुर्लभ हैं, आवृत्ति में हम 3 और 4 हैं और निराई करते हैं। हां, यह भी पता चला है कि लिंक अक्सर ट्वीट्स में आते हैं, 5) हम उन्हें भी हटा देंगे।

यह इस तरह निकला:

 import re import nltk nltk.download('stopwords') from nltk.corpus import stopwords from nltk.stem.porter import PorterStemmer corpus = [] for i in range(0, len(results.index)): review1 = [] mystr = results['text'][i] # 1)    2)    mystr = re.sub(searchinfo, ' ', mystr) searchinfo1 = searchinfo.replace(" ","_") mystr = re.sub(searchinfo1, ' ', mystr) # 3) splitted_text = mystr.split() mystr="" for word in splitted_text: # 7  if len(word)>6: if word.find('https:/')==-1 and word.find('http://')==-1: mystr = mystr+' '+word else: mystr = mystr+' '+word review = re.sub('[^a-zA-Z]', ' ', mystr) review = review.split() for word in review: if word[0].isupper(): review1.append(word.lower()) ps = PorterStemmer() review1 = [ps.stem(word) for word in review1 if not word in set(stopwords.words('english'))] review1 = ' '.join(review1) corpus.append(review1) from sklearn.feature_extraction.text import CountVectorizer cv = CountVectorizer() X = cv.fit_transform(corpus).toarray() names = cv.get_feature_names()

क्रिएटिव डेटा विश्लेषण

नाम चर में हमारे पास शब्द हैं, और चर X में - वे स्थान जहां उनका उल्लेख किया गया है। "बंद करें" टेबल एक्स - संदर्भों की संख्या प्राप्त करें। हम उन शब्दों को हटा देते हैं जिनका उल्लेख शायद ही किया जाता है। एक्सेल में सहेजें। और एक्सेल में हम एक सुंदर बार चार्ट बनाते हैं जिसमें यह जानकारी होती है कि किस क्वेरी में किन शब्दों का उल्लेख किया गया है।

हमारे सुपर ICO सितारे ले मिन्ह ताम और माइक नोवोग्रात्ज़ हैं। चार्ट:

यह देखा जा सकता है कि ले मिन्ह ताम "ceo, crypto, Mine, sky" से संबंधित है। और थोड़ा "गायब हो जाना, फंड, मिलियन"।

यह देखा जा सकता है कि माइक नोवोग्रात्ज़ "बैंक, बिटकॉइन, क्रिप्टो, अंक, आकाशगंगा" से संबंधित है।

एक्स से डेटा एक तंत्रिका नेटवर्क में डाला जा सकता है और यह कुछ भी निर्धारित करना सीख सकता है, लेकिन आप कर सकते हैं:

डेटा विश्लेषण

और फिर हम रुक जाते हैं ~~चारों ओर मूर्ख~~ रचनात्मक बनें और अजगर टेक्स्टलब लाइब्रेरी का उपयोग शुरू करें। पुस्तकालय एक चमत्कार है कि कितना अच्छा है।

स्मार्ट लोग कहते हैं कि वह कर सकती है:

वाक्यांशों को हाइलाइट करें
पार्ट-मार्किंग करें
मूड का विश्लेषण करें (यह हमारे लिए उपयोगी है),
वर्गीकरण करें (भोले बाड़े, निर्णय वृक्ष),
Google अनुवाद का उपयोग करके भाषा का अनुवाद और परिभाषा करें,
tokenization (शब्दों और वाक्यों में पाठ को तोड़ें),
शब्दों और वाक्यांशों की आवृत्तियों की पहचान करें,
पार्सिंग करते हैं
n- ग्राम का पता लगाएं
do \ खुलासा शब्द / बहुवचन और एकवचन का संयुग्मन \ घोषणा करना
सही वर्तनी।

लाइब्रेरी आपको एक्सटेंशन के माध्यम से नए मॉडल या भाषाएं जोड़ने की अनुमति देती है और इसमें वर्डनेट एकीकरण है। एक शब्द में, एनएलपी एक बच्चा विलक्षण है ।

हमने ऊपर दिए गए results.xlsx फ़ाइल में खोज परिणाम सहेजे हैं। इसे डाउनलोड करें और मूड मूल्यांकन उद्देश्यों के लिए टेक्स्टब्लो लाइब्रेरी के साथ इसके माध्यम से जाएं:

 from textblob import TextBlob results = pd.read_excel('results.xlsx') polarity = 0 for i in range(0, len(results.index)): polarity += TextBlob(results['text'][i]).sentiment.polarity print(polarity/i)

कूल! कोड की एक दो पंक्तियाँ और एक धमाकेदार परिणाम।

परिणाम अवलोकन

यह पता चलता है कि अगस्त 2018 की शुरुआत में, क्वेरी "ले मिन्ह ताम" पर पाए गए ट्वीट्स कुछ ऐसे दर्शाते हैं, जो सभी ट्वीट्स के औसत रेटिंग 0.13 के साथ ट्वीट्स में नकारात्मक रूप से परिलक्षित होते हैं। यदि हम स्वयं ट्वीट देखते हैं, तो हम उदाहरण के लिए देखेंगे "क्रिप्टो माइनिंग के सीईओ ने कहा कि $ 35 मिलियन फंड के साथ गायब हो जाएं क्रिप्टो माइनिंग फर्म स्काई माइनिंग के सीईओ ले मिन्ह टैम आर ..."।

और माइक नोवोग्रैट्स के दोस्त ने कुछ ऐसा किया जो ट्वीट में सकारात्मक रूप से सभी ट्वीट्स की औसत रेटिंग के साथ-साथ 0.03 में परिलक्षित हुआ। आप इसकी व्याख्या कर सकते हैं ताकि सब कुछ शांति से आगे बढ़े।

हमले की योजना

ICO मूल्यांकन के प्रयोजनों के लिए, यह ICO के संस्थापकों पर और कई स्रोतों से स्वयं ICO के बारे में जानकारी की निगरानी के लायक है। उदाहरण के लिए:

चहचहाना,
सामाजिक नेटवर्क
https://forklog.com/ - समीक्षाओं के साथ समाचार,
https://bitcointalk.org/ - मंच, कैलेंडर और विश्लेषण, रेटिंग,
https://cointelegraph.com/ ,
https://icorating.com/ ,
https://www.coinschedule.com/ ,
https://icotracker.net/ ।
यह निरंतर आधार पर किया जाना चाहिए, उदाहरण के लिए, प्रति घंटा।

एक ICO की निगरानी के लिए योजना:

ICO और ICO के संस्थापकों के नामों की सूची बनाएं,
हम निगरानी के लिए संसाधनों की एक सूची बनाते हैं,
हम एक रोबोट बनाते हैं जो 1 से प्रत्येक पंक्ति के लिए डेटा एकत्र करता है - 2 से प्रत्येक संसाधन के लिए, ऊपर उदाहरण,
हम एक रोबोट बनाते हैं जो हर 3 का मूल्यांकन करता है, ऊपर का उदाहरण,
परिणाम 4 (और 3) सहेजें,
स्वचालित तरीके से चरण 3-5 घंटे दोहराएं, मूल्यांकन के परिणामों को कहीं पर पोस्ट / भेजा / बचाया जा सकता है,
हम स्वचालित रूप से पैरा 6 में मूल्यांकन में छलांग की निगरानी करते हैं। यदि अनुच्छेद 6 में मूल्यांकन में कूदता है, तो यह एक अवसर है जो विशेषज्ञ रूप से हो रहा है का एक अतिरिक्त अध्ययन करने के लिए है। और एक आतंक, या इसके विपरीत आनन्द उठाएं।

खैर, ऐसा ही कुछ।

पीएस वेल, या इस जानकारी को खरीदें, उदाहरण के लिए यहाँ थॉमसनरेयर्स