- 利用 SenticNet 分析 X 平台情绪趋势:与加密货币价格的比较分析
本研究探讨了来自 X 平台数据的情绪趋势与 Cardano、Binance、Fantom、Matic 和 Ripple 这些知名加密货币的市场动态之间的关系,时间跨度为 2022 年 10 月至 2023 年 3 月。利用 SenticNe - 区块链数据分析的机器学习:进展与机遇
区块链技术及其与大数据、机器学习和加密货币相关的数据分析的综合资源论文。
- 基于基因组和表观基因组特征的增强子和超级增强子的深度学习模型利用
通过对包括卡尔达诺、币安、比特币、狗狗币、以太坊、空灵、Matic、币神和瑞波在内的多个数字货币的英文推特大数据集进行详尽研究,本文主要旨在进行社交媒体内容的心理和情感分析,比较不同数字货币之间的语言特征,探讨不同数字货币社区中呈现的独特语 - 一种高级加密货币价值预测的自适应网络方法
本文研究了使用自适应网络模糊推理系统 (ANFIS) 预测未来七天加密货币价格的架构。使用每日时间框架的比特币 (BTC)、以太坊 (ETH)、比特币占主导地位 (BTC.D) 和以太坊占主导地位 (ETH.D) 的历史数据进行预测,采用混 - 加密货币涌入推特货币标签:一种分类解决方案
本研究提出了自动分类器来区分冲突的 $ 标签并通过分析涉及股票公司和加密货币的推文的独特特征来区分它们的容器推文。实验结果确认了当存在冲突或同音异义的 $ 标签时,所收集数据的显著失真。根据我们的结果,包括加密货币和股票公司标签的推文的独特 - 加密货币交易与在线金融论坛之间的相互作用
加密货币论坛与比特币价值波动之间的相互作用的研究,强调论坛数据能够解释金融领域的特定事件,并且强调在某些话题集中讨论、比特币价格触顶以及价格下跌时的引用的相关性。
- 深度状态空间模型预测加密货币价格
我们的工作提出了两个基本贡献:在应用方面,我们解决了预测次日加密货币价格的难题;在方法上,我们提出了一种新的动态建模方法,深度状态空间模型,它保持了状态空间模型的概率形式,提供了估计的不确定性量化,并具备深度神经网络的函数逼近能力。实验使用 - 加密货币交易网络中用于非法账号检测的高效多图神经网络
我们研究了在线金融市场中越来越重要的加密货币交易网络上的非法账户检测。我们提出了 DIAM,这是一个新颖的多图神经网络模型,旨在有效地检测大型交易网络上的非法账户。通过将边属性和有向边序列依赖考虑在内,DIAM 自动学习了有效的节点表示,并 - 链上参数的 AI 辅助调查:风险加密货币和价格因素
通过分析历史数据和使用人工智能算法,本文研究了影响加密货币价格的因素以及如何识别风险的加密货币,并通过对链上参数的聚类和分类,得出了 39% 加密货币消失于市场而仅有 10% 存活超过 1000 天的结果,发现了加密货币价格与最大供应量、总 - 使用动态贝叶斯网络进行加密货币价格方向的因果特征工程
本研究提出了基于动态贝叶斯网络的方法,借助技术指标预测五种流行数字货币的价格趋势,并证明该模型的有效性。
- 利用基于线性法的转换预测加密货币的价格走势
本研究旨在探究一种新的方法 -- 线性法特征空间转换 (LLT) 对加密货币日内价格运动预测准确性的影响。通过改变数据进行分类和机器学习算法的交叉验证,LLT 算法极大地提高了所有加密货币的预测准确性。
- 基于二阶段流理论的主题建模:以比特币相关推文为例
该研究使用 HITS 算法,根据影响力分离数据集,分析了 Twitter 上具有影响力和不具有影响力的用户之间的差异,并采用主题建模揭示了这两个群体在比特币方面的语言和兴趣上的差异。我们发现少数用户(0.72%)代表了大多数(80%)比特币 - IJCAI基于 COVID-19 数据的比特币价格预测改进
本文研究了新冠疫情对全球 Bitcoin 价格的影响,使用机器学习模型测试了社会动荡和 COVID-19 大流行对比特币需求和价格的影响。
- 加密货币交易对的最佳设置
加密货币交易对最优化问题的解决方法:使用基于正则化截断特征值分解的方法填补缺失值,然后使用启发式搜索和修剪策略的分支限界过程来搜索最优交易对,实验结果显示应在交易对数量、涵盖面与频繁调整间权衡取得合适平衡。
- 社交媒体参与度与加密货币表现
研究加密货币市场中社交媒体数据对其价格预测的影响,提出一种测量用户对社交媒体上讨论的话题互动的新模型并根据此模型测算 48 种加密货币未来投资回报,结果表明加密货币的回报与其关注度及人为动态的自动化账户有关,而对具有一定阈值的加密货币进行选 - 加密货币泡沫检测:一份新的股市数据集、金融任务和双曲模型
该研究通过使用 NLP 技术和基于幂律动态的交易模型,探讨了加密货币和模因股票市场中由社交媒体信息产生的 “泡沫” 现象,为金融市场提供了一种分析和检测新型数字资产的方法。
- KDD基于异构图神经网络的以太坊欺诈检测
该研究比较了不同类型图神经网络模型在以太坊交易网络数据和钓鱼标签数据上的性能表现,结果表明异构模型的表现优于同构模型,尤其是 RGCN 模型在整体指标上表现最好。
- 基层民主元宇宙的基础
该研究论文提出构建一个草根数字民主元宇宙的愿景、理论框架和架构,旨在将数字生活从独裁状态转变为民主状态,并为实现该愿景展现了路线图和未来研究领域。
- WSDM问 “谁”,不是 “什么”:基于 Twitter 数据的 Bitcoin 波动率预测
本研究旨在利用公共社交媒体数据(特别是 Twitter)的深度学习表示来寻找一种新资产类别 —— 加密货币(尤其是比特币)的波动率稳定且准确的波动率预测方法。研究利用超过 3000 万条比特币相关推文的语义信息和用户统计信息,并结合 144 - MRC-LSTM: 多尺度残差 CNN 和 LSTM 的混合方法用于预测比特币价格
该研究提出了一种名为 MRC-LSTM 的新方法,该方法结合了多尺度残差卷积神经网络(MRC)和长短时记忆(LSTM)来实现比特币价格预测。研究考虑了外部因素的影响,如宏观经济变量和投资者关注度,显示出 MRC-LSTM 在价格预测上明显优