این پژوهش، روشی برای کمّی‌سازی اطلاعات بدون‌ ساختار اخبار اقتصادی برای به‌کارگیری در ارزیابی به‌هنگام شرایط اقتصادی را پیشنهاد می‌دهد. به همین منظور، اخبار اقتصادی به صورت روزانه از ابتدای سال 1384 تا انتهای آذرماه سال 1402، از پایگاه اینترنتی خبرگزاری فارس استخراج شده است. متون خبری، پس از پیش‌پردازش اولیه، با استفاده از مدل تخصیص پنهان دیریکله (LDA) در دسته‌های مختلفی طبقه‌بندی شدند به نحوی ‌که هر دسته، یک موضوع خبری را نشان می‌دهد. سپس با استفاده از رویکرد تحلیل احساس مبتنی بر واژه‌نامه، امتیاز یا نمره­ حسی هر خبر مشخص شده است. از تجمیع فصلی امتیازات حسی اخبار ذیل هر موضوع، سری‌های زمانی حسی ایجاد و توانایی این سری‌های زمانی در پیش‌بینی تولید ناخالص داخلی فصلی ایران با استفاده از روش‌های ریج، لسو، الستیک‌نت و تقویت گرادیان ارزیابی شده­اند. نتایج نشان داده­اند که به‌کارگیری داده‌های حسی می­تواند خطای پیش‌بینی را بین 12 تا 18 درصد نسبت به الگوی سری ‌زمانی تک‌متغیره کاهش دهد. علاوه بر این، با استفاده از رویکرد پیشنهادی این پژوهش می‌توان بلافاصله بعد از اتمام هر فصل مرجع و با استفاده از اخبار اقتصادی منتشر شده در همان فصل، برآوردی به‌هنگام از تولید ناخالص داخلی فصلی ارائه کرد

کلمات کلیدی