論文の概要: Application of Liquid Rank Reputation System for Twitter Trend Analysis on Bitcoin
- arxiv url: http://arxiv.org/abs/2406.17904v1
- Date: Tue, 25 Jun 2024 19:35:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-27 15:27:11.632746
- Title: Application of Liquid Rank Reputation System for Twitter Trend Analysis on Bitcoin
- Title（参考訳）: ビットコインのTwitterトレンド分析における液位評価システムの適用
- Authors: Abhishek Saxena, Anton Kolonin,
- Abstract要約: 本稿では,ユーザ評価に基づく「流動的民主主義」アプローチを取り入れた,Twitter上のBitcoinトレンドの分析モデルを提案する。
評価システムに基づくTwitterの感情分析モデルを使用して、Bitcoinの価格変更と取引量への影響を判断する。
- 参考スコア（独自算出の注目度）: 0.23020018305241333
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analyzing social media trends can create a win-win situation for both creators and consumers. Creators can receive fair compensation, while consumers gain access to engaging, relevant, and personalized content. This paper proposes a new model for analyzing Bitcoin trends on Twitter by incorporating a 'liquid democracy' approach based on user reputation. This system aims to identify the most impactful trends and their influence on Bitcoin prices and trading volume. It uses a Twitter sentiment analysis model based on a reputation rating system to determine the impact on Bitcoin price change and traded volume. In addition, the reputation model considers the users' higher-order friends on the social network (the initial Twitter input channels in our case study) to improve the accuracy and diversity of the reputation results. We analyze Bitcoin-related news on Twitter to understand how trends and user sentiment, measured through our Liquid Rank Reputation System, affect Bitcoin price fluctuations and trading activity within the studied time frame. This reputation model can also be used as an additional layer in other trend and sentiment analysis models. The paper proposes the implementation, challenges, and future scope of the liquid rank reputation model.
- Abstract（参考訳）: ソーシャルメディアのトレンドを分析することは、クリエイターと消費者の両方にとって勝利の状況を生み出すことができる。
クリエイターは公正な報酬を受けることができ、消費者はエンゲージメント、関連性、パーソナライズされたコンテンツにアクセスすることができる。
本稿では,ユーザ評価に基づく「流動的民主主義」アプローチを取り入れた,Twitter上のBitcoinトレンドの分析モデルを提案する。
このシステムは、最も影響力のあるトレンドと、Bitcoinの価格と取引量への影響を特定することを目的としている。
評価システムに基づくTwitterの感情分析モデルを使用して、Bitcoinの価格変更と取引量への影響を判断する。
さらに、評価モデルでは、ソーシャルネットワーク上の高階友人(当社のケーススタディにおける最初のTwitter入力チャンネル)が評価結果の正確性や多様性を向上させるために考慮されている。
私たちはTwitterでBitcoin関連のニュースを分析し、私たちのLiquid Rank Reputation Systemを通じて測定されたトレンドとユーザーの感情が、調査期間内のBitcoin価格の変動と取引活動にどのように影響するかを理解する。
この評価モデルは、他のトレンドや感情分析モデルに追加のレイヤとしても使用できる。
本稿では,液位評価モデルの実装,課題,今後の適用範囲について述べる。
関連論文リスト
- Cryptocurrency Price Prediction using Twitter Sentiment Analysis [0.0]
この調査では、歴史的価格とツイートの感情を使ってBitcoinの価格を予測する。
我々は、一連のツイートの感情を予測し、Bitcoinの価格を予測できるエンドツーエンドモデルを開発した。
感情予測は平均絶対誤差9.45%、平均リアルタイムデータ、テストデータを与えた。
論文 参考訳（メタデータ） (2023-03-03T18:42:01Z) - Evaluating Impact of Social Media Posts by Executives on Stock Prices [0.5429166905724048]
TwitterやRedditのようなソーシャルメディアは、このような影響力のホットスポットになっている。
本稿は,Twitter と Reddit の投稿を用いた株価予測におけるソーシャルメディア投稿の影響について検討する。
論文 参考訳（メタデータ） (2022-11-01T03:45:17Z) - PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme
price movement prediction of Bitcoin [8.38397409405955]
我々はビットコインの極端な価格変動を予測するためのマルチモーダルモデルを提案する。
このモデルは、さまざまな関連資産、技術的指標、およびTwitterコンテンツとして入力される。
平均的戦略を移動させるリスクを減らし、黒字取引戦略を構築するのに使用できることを示す。
論文 参考訳（メタデータ） (2022-05-30T19:25:12Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Ask "Who", Not "What": Bitcoin Volatility Forecasting with Twitter Data [2.9223917785251285]
我々は、Twitterの公開ソーシャルメディアデータのディープラーニング表現を使用して、比較的新しい資産クラスの暗号通貨(特にBitcoin)のボラティリティ予測に重点を置いている。
フィールドワークのために、3000万以上のBitcoin関連ツイートからセマンティック情報とユーザーインタラクション統計を抽出した。
収集した情報を組み合わせて、いくつかのディープラーニングアーキテクチャを構築しました。
論文 参考訳（メタデータ） (2021-10-27T09:55:03Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。
ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。
本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文 参考訳（メタデータ） (2021-05-03T10:20:47Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - 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 [50.521292491613224]
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)
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。