機械学習およびトランスフォーマによる予測文分類で、暗号資産ツイートにおける市場の感情を解読する
arXiv cs.AI / 2026/3/27
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、暗号資産ツイートを「予測的（Predictive）」か「非予測的（Non-Predictive）」かに分類する2段階の機械学習フレームワークを提案し、その後「予測的」ツイートを5つの暗号資産（カルダノ、Matic、Binance、リップル、Fantom）について「増加的（Incremental）」「減少的（Decremental）」「中立（Neutral）」のいずれかにさらにラベル付けする。
- 手作業およびGPTベースの注釈の両方を用いてデータセットを構築し、感情信号をSenticNetで強化して、各予測カテゴリに紐づく感情特徴量を導出する。
- クラス不均衡を緩和するため、著者らはデータ拡張としてGPTによる言い換えを用い、その結果、モデル全体の性能が向上したと報告している。
- 幅広いML、ディープラーニング、トランスフォーマモデルにおいて、トランスフォーマはタスク1で最高のF1を達成し、一方で従来型のMLモデルはタスク2で最良の性能を示す。
- 感情分析により、調査対象の暗号資産それぞれにおいて、予測カテゴリごとに異なる感情パターンが関連していることが明らかになった。
