深層ネットワーク表現学習によるビットコイントランザクション予測【JST・京大機械翻訳】

Wei Wenqi; Zhang Qi; Liu Ling

プレプリント

J-GLOBAL ID：202202205069925010 整理番号：22P0171494

深層ネットワーク表現学習によるビットコイントランザクション予測【JST・京大機械翻訳】

Bitcoin Transaction Forecasting with Deep Network Representation Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年07月15日プレプリントサーバーでの情報更新日： 2022年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

デジタル流通権取引のためのビトコインとその分散コンピューティングパラダイムは,21世紀における最も破壊的技術の1つである。本論文では,ビットコイントランザクションネットワーク表現を学習するための深層ニューラルネットワークの活用により,Bitcoinトランザクション予測モデル,DLForecastを開発するための新しいアプローチを提案した。DLForecastは3つのオリジナルな寄与をする。最初に,Bitcoinトランザクション間の3つの興味深い特性,即ち,Bitcoinのトポロジー的連結性パターン,トランザクション量パターン,およびトランザクションダイナミックスを検討した。第2に,時間減衰可到達性グラフと時間減衰処理パターングラフを構築し,異なるタイプの空間時間ビットコイントランザクションパターンを捕捉することを目指した。第3に,著者らは,両方のグラフにノード埋込みを採用して,ビルトイン時間減衰因子による歴史的取引に基づくユーザ説明の間のBitcoin取引予測システムを開発する。効果的なトランザクション予測性能を維持するために,著者らは,各対応Bitcoin取引グラフから抽出した異なるトランザクション特徴に構築した予測モデルを結合するために,乗法モデル更新(MMU)アンサンブルを利用した。実世界のBitcoin取引データについて評価して,著者らは,著者らの空間-時間予測モデルが,高速実行時間で効率的であり,60%以上の予測精度で有効であり,静的グラフ基準線上に構築した予測モデルと比較して,予測性能を50%改善することを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

データ保護 , その他の情報処理

, ,

前のページに戻る