Improving the Forecasting Performance of Taiwan Car Sales Movement Direction Using Online Sentiment Data and CNN-LSTM Model

汽车工业 计算机科学 情绪分析 销售预测 人工智能 深度学习 运动(音乐) 机器学习 计量经济学 工程类 数学 美学 哲学 航空航天工程
作者
Chao Ouyang,Shih-Chung Chou,Yeh‐Chun Juan
出处
期刊:Applied sciences [MDPI AG]
卷期号:12 (3): 1550-1550 被引量:10
标识
DOI:10.3390/app12031550
摘要

The automotive industry is the leading producer of machines in Taiwan and worldwide. Developing effective methods for forecasting car sales can allow car companies to arrange their production and sales plans. Capitalizing on the growth of social media and deep learning algorithms, this research aimed to improve the overall performance of the forecasting of Taiwan car sales movement direction forecasting by using online sentiment data and CNN-LSTM method. First, the historical sales volumes and multi-channel online sentiment data for six car brands in Taiwan were collected and preprocessed for labeling of car sales movement direction. Then, three models, namely, the classical, sentimental, and CNN-LSTM models, were constructed and trained/fitted for forecasting car sales movement directions in Taiwan. Finally, the performance of the three prediction models were compared to verify the effects of online sentiment data and the CNN-LSTM model on forecasting performance. The results showed that four forecasting performance indices, i.e., accuracy, precision, recall and F1-score, improved by 27.78% (from 41.67% to 69.45%), 0.39 (from 0.38 to 0.77), 0.27 (from 0.42 to 0.69) and 0.33 (from 0.35 to 0.68), respectively. Therefore, the online sentiment data and CNN-LSTM method can indeed improve the overall performance of car sales movement direction in Taiwan.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
甜滋滋发布了新的文献求助10
2秒前
调研昵称发布了新的文献求助10
3秒前
Lucas应助赵医生采纳,获得10
3秒前
悦悦发布了新的文献求助10
5秒前
人间枝头完成签到,获得积分10
5秒前
6秒前
万能图书馆应助健康富裕采纳,获得30
7秒前
最爱不过陈奕迅完成签到,获得积分10
7秒前
啥也搞不懂完成签到 ,获得积分10
14秒前
啊嘀哩嘀哩完成签到,获得积分10
17秒前
18秒前
淡淡宛完成签到 ,获得积分10
18秒前
科研通AI2S应助认真的rain采纳,获得10
19秒前
英姑应助damoq采纳,获得30
19秒前
彭于晏应助粗暴的楼房采纳,获得10
20秒前
共享精神应助zzz采纳,获得10
21秒前
科研通AI2S应助爱猫的纭采纳,获得10
21秒前
GZY完成签到,获得积分20
22秒前
23秒前
bodhi完成签到,获得积分10
23秒前
搜集达人应助大猫喵喵喵采纳,获得10
27秒前
健康富裕发布了新的文献求助30
27秒前
今后应助michael_suo采纳,获得10
30秒前
30秒前
Whiaper完成签到,获得积分10
31秒前
离家出走的杰瑞完成签到,获得积分10
31秒前
88888完成签到,获得积分10
32秒前
BENpao123完成签到 ,获得积分10
34秒前
37秒前
彭于晏应助小王子采纳,获得10
38秒前
Bobby完成签到,获得积分10
38秒前
科研通AI2S应助陈陈采纳,获得10
38秒前
senta发布了新的文献求助10
38秒前
40秒前
41秒前
爆汁大面筋完成签到,获得积分10
41秒前
溪与芮行完成签到 ,获得积分10
41秒前
43秒前
43秒前
健康富裕完成签到,获得积分10
48秒前
高分求助中
Medicina di laboratorio. Logica e patologia clinica 600
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 500
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
Language injustice and social equity in EMI policies in China 500
mTOR signalling in RPGR-associated Retinitis Pigmentosa 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3214629
求助须知:如何正确求助?哪些是违规求助? 2863251
关于积分的说明 8137704
捐赠科研通 2529429
什么是DOI,文献DOI怎么找? 1363682
科研通“疑难数据库(出版商)”最低求助积分说明 643903
邀请新用户注册赠送积分活动 616437