Yazar
Sefer, Emre, Pala, Mustafa
Basım Tarihi
2024-12
Basım Yeri
-
Elsevier
Konu
Geçici fiyat tahmini, Transfer öğrenimi, Derin öğrenme, Blockchain, NFT'ler
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2405-9188
Kayıt Numarası
5fc45ff2-987f-4875-92f1-60c68f5eddf2
Lokasyon
Bilgisayar Bilimi
Tarih
2024-12
Örnek Metin
Değiştirilemez tokenler (NFT'ler), mülkiyeti bir blockchain üzerinde tanımlanan benzersiz dijital varlıklardır. NFT'ler sanat, resim, video vb. gibi birden fazla farklı nesneyi temsil edebilir. Son zamanlarda bunların ticaretine olan ilgide bir artış oldu ve bu da onları başka bir alternatif yatırım türü haline getiriyor. Aşırı spekülasyon, likidite kısıtlamaları, nadirlik ve piyasa oynaklığı gibi faktörlere atfedilen NFT fiyatlarının doğal değişkenliği, doğru fiyat tahminleri konusunda zorluklar ortaya çıkarmaktadır. Bu tür analiz ve tahminler için makine öğrenimi yöntemleri sağlam bir çözüm çerçevesi sunar. Burada, NFT'lerle ilgili üç ilgili tahmin problemine odaklanıyoruz: NFT'lerin satış fiyatını tahmin etmek, belirli bir NFT'nin ikincil bir satışa katılıp katılmayacağı sonucunu çıkarmak ve NFT'nin satış fiyatının zaman içindeki değişimini tahmin etmek. NFT'lerin görsel özelliklerini önceden eğitilmiş derinlemesine modellerle analiz edip öğreniyoruz ve bu görsel bilgiyi satış geçmişi, satıcı ve alıcının ticaret ağındaki merkezilikleri ve koleksiyonun yeniden satış olasılığı gibi görsel olmayan ek önemli özelliklerle birleştiriyoruz. Giriş NFT'lerini özelliklerine göre altı kategoriye ayırıyoruz. Ayrıntılı deneylerde, önceden eğitilmiş derin modellerden elde edilen görsel niteliklerin her durumda tahmin performansını artırdığını gördük ve EfficientNet en iyi performansı gösteriyor gibi görünüyor. Genel olarak CNN ve XGBoost, tüm kategorilerde sürekli olarak diğerlerinden daha iyi performans gösterdi. Ayrıca, tek bir zaman noktası yerine zaman içinde NFT fiyatlarına sahip olan ilk veri kümesi olan, geçici fiyat bilgisine sahip yeni NFT veri kümemizi de yayınlıyoruz.
DOI
10.1016/j.jfds.2024.100148
Cilt
10
