論文の概要: Show me your NFT and I tell you how it will perform: Multimodal
representation learning for NFT selling price prediction
- arxiv url: http://arxiv.org/abs/2302.01676v2
- Date: Mon, 6 Feb 2023 10:44:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 12:38:27.987319
- Title: Show me your NFT and I tell you how it will perform: Multimodal
representation learning for NFT selling price prediction
- Title(参考訳): NFT販売価格予測のためのマルチモーダル表現学習
- Authors: Davide Costa, Lucio La Cava, Andrea Tagarelli
- Abstract要約: 非Fungible Tokens(NFT)は、ブロックチェーン技術とスマートコントラクトに基づく、デジタルアートフォーム(アートワークやコレクションブルなど)上のユニークな暗号資産の所有権の行為を表す。
我々は,NFT画像とテキストのコレクション上に,グラフニューラルネットワークモデルとともにトランスフォーマーベースの言語と視覚モデルをトレーニングするために設計された,新しいマルチモーダルディープラーニングフレームワークであるMERLINを提案する。
MERLINの重要な側面は、NFTトレーディングに関心のあるユーザが処理したいプライマリデータのみを利用するため、金融機能に対する独立性である。
- 参考スコア(独自算出の注目度): 2.578242050187029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Non-Fungible Tokens (NFTs) represent deeds of ownership, based on blockchain
technologies and smart contracts, of unique crypto assets on digital art forms
(e.g., artworks or collectibles). In the spotlight after skyrocketing in 2021,
NFTs have attracted the attention of crypto enthusiasts and investors intent on
placing promising investments in this profitable market. However, the NFT
financial performance prediction has not been widely explored to date.
In this work, we address the above problem based on the hypothesis that NFT
images and their textual descriptions are essential proxies to predict the NFT
selling prices. To this purpose, we propose MERLIN, a novel multimodal deep
learning framework designed to train Transformer-based language and visual
models, along with graph neural network models, on collections of NFTs' images
and texts. A key aspect in MERLIN is its independence on financial features, as
it exploits only the primary data a user interested in NFT trading would like
to deal with, i.e., NFT images and textual descriptions. By learning dense
representations of such data, a price-category classification task is performed
by MERLIN models, which can also be tuned according to user preferences in the
inference phase to mimic different risk-return investment profiles.
Experimental evaluation on a publicly available dataset has shown that MERLIN
models achieve significant performances according to several financial
assessment criteria, fostering profitable investments, and also beating
baseline machine-learning classifiers based on financial features.
- Abstract(参考訳): 非ファンジブルトークン(Non-Fungible Tokens、NFT)は、ブロックチェーン技術とスマートコントラクトに基づく、デジタルアートフォーム(アートワークやコレクションブルなど)上のユニークな暗号資産の所有行為を表す。
2021年に急上昇したNFTは、暗号通貨愛好家や投資家の注目を集め、この黒字市場への有望な投資を図っている。
しかし、NFTの財務業績予測は、これまで広く研究されていない。
本研究では,NFT 画像とそのテキスト記述が NFT 販売価格の予測に不可欠なプロキシであるという仮説に基づいて,上記の問題に対処する。
そこで本研究では,NFTのイメージとテキストのコレクション上に,グラフニューラルネットワークモデルとともにトランスフォーマーベースの言語と視覚モデルをトレーニングするための,新しいマルチモーダルディープラーニングフレームワークであるMERLINを提案する。
MERLINの重要な側面は、NFTトレーディングに関心のあるユーザーが扱おうとする主要なデータ、すなわちNFT画像とテキスト記述のみを利用するため、金融機能に対する独立性である。
このようなデータの密度の高い表現を学習することにより、MERLINモデルにより価格カテゴリー分類タスクが実行され、推論フェーズにおけるユーザの好みに応じて調整することで、異なるリスク・リターン投資プロファイルを模倣することができる。
公開データセットでの実験的評価では、マーリンモデルがいくつかの金融評価基準に従って重要なパフォーマンスを達成し、収益性のある投資を促進し、金融特徴に基づくベースライン機械学習分類器を打ち負かすことが示されている。
関連論文リスト
- The FinBen: An Holistic Financial Benchmark for Large Language Models [75.09474986283394]
FinBenは、金融分野におけるLLMの能力を徹底的に評価するために設計された、初めての包括的なオープンソース評価ベンチマークである。
FinBenは、23の財務タスクにわたる35のデータセットを含み、Cattell-Horn-Carroll理論にインスパイアされた3つの難易度に分類されている。
GPT-4, ChatGPT, そして最新のGeminiを含む15の代表的なLCMを評価した結果, 金融分野におけるその強みと限界についての知見が得られた。
論文 参考訳(メタデータ) (2024-02-20T02:16:16Z) - The Dark Side of NFTs: A Large-Scale Empirical Study of Wash Trading [49.15761780696207]
我々は,2,701,883 NFTから8,717,031の転送イベントと3,830,141のセールイベントを分析した。
NFTの3種類の洗剤取引を識別し,識別アルゴリズムを提案する。
また,マーケットプレース設計,収益性,NFTプロジェクト設計,支払トークン,ユーザ行動,NTTエコシステムといった6つの側面からの洞察も提供する。
論文 参考訳(メタデータ) (2023-12-19T19:29:24Z) - DISC-FinLLM: A Chinese Financial Large Language Model based on Multiple
Experts Fine-tuning [74.99318727786337]
金融大規模言語モデル(LLM)を構築するための多言語エキスパートファインチューニングフレームワークを提案する。
DISC-FIN-SFTという金融インストラクションチューニングデータセットを構築し、4つのカテゴリ(コンサルト、NLPタスク、コンピューティング、検索強化ジェネレーション)のインストラクションサンプルを含む。
複数のベンチマークで評価した結果, 様々な財務シナリオにおいて, ベースラインモデルよりも優れた性能を示した。
論文 参考訳(メタデータ) (2023-10-23T11:33:41Z) - What Determines the Price of NFTs? [26.368626684043992]
我々は,OpenSea上のNFTコレクションのオンチェーンデータとオフチェーンデータの両方を分析し,NFT価格にどのような影響があるのかを理解する。
以上の結果から,NFTのテキストデータや画像データはコレクション内の価格変動を説明するのに有用であるが,抽出された特徴は新たな未知のコレクションに一般化されないことがわかった。
論文 参考訳(メタデータ) (2023-10-03T06:09:59Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - Learning Profitable NFT Image Diffusions via Multiple Visual-Policy
Guided Reinforcement Learning [69.60868581184366]
NFT画像に対する報酬として,複数ビジュアルポリシーを用いた拡散型生成フレームワークを提案する。
提案するフレームワークは,大規模言語モデル (LLM) と拡散型画像生成装置,および設計による視覚的報酬からなる。
我々のフレームワークは、SOTAのアプローチと比較して、より視覚的に魅力的な要素と高い市場価値を示すNFT画像を生成することができる。
論文 参考訳(メタデータ) (2023-06-20T17:59:46Z) - NFTs to MARS: Multi-Attention Recommender System for NFTs [20.74874765792172]
NFT(NFT-MARS)のためのマルチアテンションレコメンダシステムの開発
NFT-MARSには3つの重要な特徴がある: 疎密なユーザ-テムインタラクションを扱うグラフアテンション、ユーザの特徴的嗜好を取り入れるためのマルチモーダルアテンション、NFTの2つの性質をアートワークと金融資産の両方として考えるマルチタスク学習である。
論文 参考訳(メタデータ) (2023-06-13T11:53:24Z) - NFTVis: Visual Analysis of NFT Performance [12.491701063977825]
非ファンジブルトークン(英: non-fungible token、NFT)は、ブロックチェーンに格納されるデータユニットである。
現在の希少なモデルは欠陥があり、時には説得力がない。
包括的考察とNFT性能の効率的な分析は困難である。
論文 参考訳(メタデータ) (2023-06-05T09:02:48Z) - Bubble or Not: Measurements, Analyses, and Findings on the Ethereum
ERC721 and ERC1155 Non-fungible Token Ecosystem [22.010657813215413]
NFTの時価総額は2021年に215億米ドルに達した。
2022年第2四半期のNFT市場の急激な下落は、NFT市場の目に見えるブームに疑問を呈している。
ブロックチェーン全体からデータを収集することにより、NFT生成グラフ、NFT転送グラフ、NFTホールドグラフという3つのグラフを構築し、NFTトレーダーを特徴付ける。
我々は,NFTの活性度と値の定量化のための新しい指標を提案し,インジケータとグラフ解析を組み合わせてバブルNFTを見つけるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-05T10:17:57Z) - Probably Something: A Multi-Layer Taxonomy of Non-Fungible Tokens [62.997667081978825]
非Fungible Tokens(NFT)は、メタバースの重要なビルディングブロックとして売り出されつつある。
本研究の目的は,分類学における共通の特徴を同定し,構造化することで,NFTの基本的かつ包括的理解を確立することである。
論文 参考訳(メタデータ) (2022-08-29T18:00:30Z) - Mapping the NFT revolution: market trends, trade networks and visual
features [0.25861007846258416]
Non Fungible Tokens (NFT) は、アート、コレクション、ゲーム内アイテムなどのオブジェクトを表すデジタル資産である。
我々は2017年6月23日から2021年4月27日までの470万NFTの6100万取引に関するデータを分析した。
論文 参考訳(メタデータ) (2021-06-01T17:25:32Z)
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。