論文の概要: LSTM Based Sentiment Analysis for Cryptocurrency Prediction
- arxiv url: http://arxiv.org/abs/2103.14804v1
- Date: Sat, 27 Mar 2021 04:08:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-03 14:17:06.804512
- Title: LSTM Based Sentiment Analysis for Cryptocurrency Prediction
- Title(参考訳): LSTMを用いた暗号通貨予測のための感度解析
- Authors: Xin Huang, Wenbin Zhang, Yiyi Huang, Xuejiao Tang, Mingli Zhang,
Jayachander Surbiryala, Vasileios Iosifidis, Zhen Liu and Ji Zhang
- Abstract要約: この研究は、ソーシャルメディアの感情を分析することによって、暗号通貨の揮発性価格の動きを予測することを目的としています。
本稿では,中国のソーシャルメディアプラットフォームSina-Weiboにおける,中国のソーシャルメディア投稿の感情を識別する手法を提案する。
Weiboポストをキャプチャし、暗号固有の感情辞書の作成を記述したパイプラインを開発し、Long Short-term memory(LSTM)ベースのリカレントニューラルネットワークを提案する。
- 参考スコア(独自算出の注目度): 11.811501670389935
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Recent studies in big data analytics and natural language processing develop
automatic techniques in analyzing sentiment in the social media information. In
addition, the growing user base of social media and the high volume of posts
also provide valuable sentiment information to predict the price fluctuation of
the cryptocurrency. This research is directed to predicting the volatile price
movement of cryptocurrency by analyzing the sentiment in social media and
finding the correlation between them. While previous work has been developed to
analyze sentiment in English social media posts, we propose a method to
identify the sentiment of the Chinese social media posts from the most popular
Chinese social media platform Sina-Weibo. We develop the pipeline to capture
Weibo posts, describe the creation of the crypto-specific sentiment dictionary,
and propose a long short-term memory (LSTM) based recurrent neural network
along with the historical cryptocurrency price movement to predict the price
trend for future time frames. The conducted experiments demonstrate the
proposed approach outperforms the state of the art auto regressive based model
by 18.5% in precision and 15.4% in recall.
- Abstract(参考訳): ビッグデータ分析と自然言語処理の最近の研究は、ソーシャルメディア情報における感情分析の自動化技術を開発している。
さらに、ソーシャルメディアのユーザベースの増加と大量の投稿もまた、暗号通貨の価格変動を予測する貴重な感情情報を提供する。
本研究は,ソーシャルメディアの感情を分析し,その相関関係を見出すことにより,暗号通貨の揮発性価格変動を予測することを目的としている。
これまでの研究は、英語のソーシャルメディア投稿の感情を分析するために開発されたものだが、最も人気のある中国のソーシャルメディアプラットフォームであるシナ・ワイボーの中国ソーシャルメディア投稿の感情を識別する方法を提案する。
Weiboのポストをキャプチャし、暗号固有の感情辞書の作成を記述したパイプラインを開発し、Long Short-term memory(LSTM)ベースのリカレントニューラルネットワークと過去の暗号価格運動を提案し、将来の時間枠の価格動向を予測する。
提案手法は, 精度18.5%, リコール15.4%の精度で, 自己回帰ベースモデルの状態を上回った。
関連論文リスト
- Interplay between Cryptocurrency Transactions and Online Financial
Forums [41.94295877935867]
本研究は、これらの暗号掲示板間の相互作用と暗号値の変動に関する研究に焦点をあてる。
これは、Bitcointalkフォーラムの活動がBTCの値のトレンドと直接的な関係を保っていることを示している。
この実験は、フォーラムデータが金融分野における特定の出来事を説明することを強調している。
論文 参考訳(メタデータ) (2023-11-27T16:25:28Z) - Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data [3.8443430569753025]
我々は、先進的なディープラーニングNLP手法を用いて、公開感情が暗号通貨評価に与える影響を分析する。
我々は,NLPデータ統合の有無にかかわらず,各種MLモデルの性能を比較した。
我々は,Twitter-RoBERTaやBART MNLIといった事前学習モデルが,市場感情を捉える上で極めて有効であることを発見した。
論文 参考訳(メタデータ) (2023-11-23T16:14:44Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - Causality between Sentiment and Cryptocurrency Prices [0.0]
本研究では,マイクロブログプラットフォーム,すなわちTwitterを通じて伝達される物語と暗号資産の価値の関係について検討する。
教師なしの機械学習アルゴリズムを使って、Twitterの巨大でノイズの多いテキストデータの中に潜伏するトピックを発見しました。
さまざまな状況において、私たちの物語と暗号通貨価格の間に強いつながりがあることに気づきました。
論文 参考訳(メタデータ) (2023-06-09T10:40:22Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Social Media Sentiment Analysis for Cryptocurrency Market Prediction [0.0]
我々は、異なる感情指標がBitcoinの価格変動とどのように相関しているかを研究する。
モデルのうちの1つは、他の20以上の公的なモデルよりも優れています。
論文 参考訳(メタデータ) (2022-04-19T03:27:29Z) - Dynamic Social Media Monitoring for Fast-Evolving Online Discussions [39.81957479388813]
高速なオンライン議論における関連情報のカバレッジを最大化するための動的キーワード検索手法を提案する。
単語埋め込みモデルを用いてキーワードと予測モデル間の意味関係を表現し、将来の時系列を予測する。
我々は,最近の就任式に関するダイナミックな会話を取り上げ,動的データ収集システムをテストするために,現代のケーススタディを実施している。
論文 参考訳(メタデータ) (2021-02-24T23:00:42Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Real-Time Prediction of BITCOIN Price using Machine Learning Techniques
and Public Sentiment Analysis [0.0]
本研究の目的は、機械学習技術と感情分析により、USDにおけるBitcoinの予測可能な価格方向を決定することである。
TwitterとRedditは、大衆の感情を研究する研究者から大きな注目を集めている。
我々は、感情分析と機械学習の原則をTwitterやRedditの投稿から抽出したツイートに適用した。
論文 参考訳(メタデータ) (2020-06-18T15:40:11Z) - Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency
Market Manipulations [63.732639864601914]
インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。
これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。
本研究では,不正行為をリアルタイムに検出する手法を提案する。
論文 参考訳(メタデータ) (2020-05-04T21:36:18Z) - KryptoOracle: A Real-Time Cryptocurrency Price Prediction Platform Using
Twitter Sentiments [0.0]
KryptoOracleは、Twitterの感情に基づく、新しいリアルタイムで適応的な暗号通貨価格予測プラットフォームである。
提案されたプラットフォームは意思決定を加速し、新たな機会を明らかにし、よりタイムリーな洞察を提供する。
論文 参考訳(メタデータ) (2020-02-21T20:38:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。