بازگشت به جستجو

قیمت فروش اولیه NFT و پیش‌بینی فروش ثانویه از طریق یادگیری عمیق

عنوان	قیمت فروش اولیه NFT و پیش‌بینی فروش ثانویه از طریق یادگیری عمیق
نویسنده	سیهان، بتول، سفر، امره
تاریخ انتشار:	2023-11-27
محل انتشار	- انجمن ماشین‌های محاسباتی، Inc
موضوع	BERT، بلاک چین، یادگیری عمیق، NFT
نوع	سند
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	979-840070240-2
شماره ثبت	6d2ae3f5-f4f8-4262-8795-ffe3cf73939d
محل کتابخانه	علوم کامپیوتر
تاریخ	2023-11-27
متن نمونه	توکن‌های غیرقابل تعویض (NFT) دارایی‌های دیجیتال منحصر به فرد مبتنی بر بلاک چین هستند که اسناد مالکیت را تعریف می‌کنند. آنها می توانند اشیاء مختلف مانند کلکسیونی، هنری و آیتم های درون بازی را مشخص کنند. به طور کلی، NFT ها توسط قراردادهای هوشمند بلاک چین کدگذاری می شوند و از طریق ارزهای دیجیتال معامله می شوند. قیمت آنها و توجه سرمایه گذاران به آنها به طور قابل توجهی در سال 2021 افزایش یافته است و آنها را به کلاس جایگزینی از سرمایه گذاری امیدوار کرده است. با کمال تعجب، پیش بینی قیمت آنها به تازگی شروع به تجزیه و تحلیل سیستماتیک کرده است. در این مقاله، ما بر پیش‌بینی قیمت فروش اولیه NFT و فروش ثانویه از طریق یادگیری عمیق تمرکز می‌کنیم. ما از داده های چندوجهی، تصاویر NFT و ویژگی های متن NFT هنگام پیش بینی قیمت آنها استفاده می کنیم. در اینجا، ما نشان می‌دهیم که تضاد ویژگی‌های سلسله مراتبی متفاوت و مشابه (DS) تصاویر و متن به‌عنوان یک نشانگر شناسایی مهم برای قیمت آنها عمل می‌کند، با این نتیجه که هنگام طراحی یک پیش‌بینی‌کننده قیمت NFT چندوجهی فقط باید توجه خود را به این جنبه معطوف کنیم. هنگام طراحی پیش‌بینی‌کننده قیمت NFT از داده‌های چندوجهی بدون استفاده از هیچ ویژگی مالی، به شبکه تقویت شباهت‌های ریز (Fine-Grained Differences-Similarities Enhancement Network) (FG-DSEN) می‌رسیم که تشخیص را با ساختاری ساده و قابل تفسیر برای بهبود جنبه DS بین تصاویر و متن بهبود می‌بخشد. با توجه به ارزیابی دقیق در مورد مجموعه داده‌های NFT در دسترس عموم، رویکرد پیشنهادی ما بر اساس چندین معیار طبقه‌بندی یادگیری ماشین، هم در پیش‌بینی جهت قیمت و هم در پیش‌بینی مشارکت ثانویه در فروش، عملکرد بهتری دارد.
DOI	10.1145/3604237.3626896

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

قیمت فروش اولیه NFT و پیش‌بینی فروش ثانویه از طریق یادگیری عمیق

نویسنده سیهان، بتول، سفر، امره

تاریخ انتشار 2023-11-27

محل انتشار - انجمن ماشین‌های محاسباتی، Inc

موضوع BERT، بلاک چین، یادگیری عمیق، NFT

نوع سند

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 979-840070240-2

شماره ثبت 6d2ae3f5-f4f8-4262-8795-ffe3cf73939d

محل کتابخانه علوم کامپیوتر

تاریخ 2023-11-27

متن نمونه توکن‌های غیرقابل تعویض (NFT) دارایی‌های دیجیتال منحصر به فرد مبتنی بر بلاک چین هستند که اسناد مالکیت را تعریف می‌کنند. آنها می توانند اشیاء مختلف مانند کلکسیونی، هنری و آیتم های درون بازی را مشخص کنند. به طور کلی، NFT ها توسط قراردادهای هوشمند بلاک چین کدگذاری می شوند و از طریق ارزهای دیجیتال معامله می شوند. قیمت آنها و توجه سرمایه گذاران به آنها به طور قابل توجهی در سال 2021 افزایش یافته است و آنها را به کلاس جایگزینی از سرمایه گذاری امیدوار کرده است. با کمال تعجب، پیش بینی قیمت آنها به تازگی شروع به تجزیه و تحلیل سیستماتیک کرده است. در این مقاله، ما بر پیش‌بینی قیمت فروش اولیه NFT و فروش ثانویه از طریق یادگیری عمیق تمرکز می‌کنیم. ما از داده های چندوجهی، تصاویر NFT و ویژگی های متن NFT هنگام پیش بینی قیمت آنها استفاده می کنیم. در اینجا، ما نشان می‌دهیم که تضاد ویژگی‌های سلسله مراتبی متفاوت و مشابه (DS) تصاویر و متن به‌عنوان یک نشانگر شناسایی مهم برای قیمت آنها عمل می‌کند، با این نتیجه که هنگام طراحی یک پیش‌بینی‌کننده قیمت NFT چندوجهی فقط باید توجه خود را به این جنبه معطوف کنیم. هنگام طراحی پیش‌بینی‌کننده قیمت NFT از داده‌های چندوجهی بدون استفاده از هیچ ویژگی مالی، به شبکه تقویت شباهت‌های ریز (Fine-Grained Differences-Similarities Enhancement Network) (FG-DSEN) می‌رسیم که تشخیص را با ساختاری ساده و قابل تفسیر برای بهبود جنبه DS بین تصاویر و متن بهبود می‌بخشد. با توجه به ارزیابی دقیق در مورد مجموعه داده‌های NFT در دسترس عموم، رویکرد پیشنهادی ما بر اساس چندین معیار طبقه‌بندی یادگیری ماشین، هم در پیش‌بینی جهت قیمت و هم در پیش‌بینی مشارکت ثانویه در فروش، عملکرد بهتری دارد.

DOI 10.1145/3604237.3626896