Makine öğrenmesi teknikleriyle kripto para duygu analizi
Başlık çevirisi mevcut değil.
- Tez No: 763894
- Danışmanlar: DR. ÖĞR. ÜYESİ MANSUR ALP TOÇOĞLU, DOÇ. DR. AYTUĞ ONAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75
Özet
İlk kripto para birimi olan Bitcoin'in çıkması ile birlikte hayatımıza giren kripto para kavramı finansal yönden pek çok yeniliği beraberinde getirmektedir. Daha önce bilinmeyen pek çok kavram kripto paraların çıkması ve yaygınlaşması ile birlikte konuyla ilgilenen insanlar tarafından merak edilip araştırılmaktadır. Kripto paralara olan yönelimlerin ve araştırmaların artması ile birlikte daha çok insan tarafından konu ile ilgili yazılar yazılmakta ve duygu ve düşünceler uzun metinlerden ziyada birkaç kelimeden oluşan kısa cümleler ile platformlarda anlık olarak paylaşılmaktadır. Bunun sonucunda kripto paralar ile ilgili metin verilerinin sayıları artmakta ve gün geçtikçe metin verileri büyük veri kaynağı haline gelmektedir. Büyük veri kaynağı haline gelen kripto para paylaşımları, verilerin duygularını analiz edip sınıflandırarak kripto para piyasası ile ilgilenen insanlar için piyasanın yönü hakkında bilgi verme isteğini doğurmuştur. Duygu analizi çalışmaları pek çok konu başlığı için tercih edilebilmektedir. Literatürdeki çalışmalara bakıldığında ise kripto paralar ile ilgili duygu analizi yapılan çalışmalar mevcuttur. Fakat yabancı metinler kullanılarak yapılan çalışmalar Türkçe dilinde yapılan çalışmalara kıyasla oldukça fazladır ve yapılan çalışmalarda ele alınan kripto para çeşitliliği genellikle çok azdır. Bu tez çalışmasında Bitcoin, Ethereum, Solana, Ripple, Avalanche, Chiliz, Bitcicoin kripto paraları ile NFT-DeFi teknolojileri hakkında Twitter platformu üzerinden paylaşılan metin parçaları kullanılarak bir duygu analizi çalışması yapılmaya çalışılmıştır. Bunun için derin öğrenme algoritmalarından CNN, RNN, LSTM ve GRU algoritmaları kullanılarak sınıflandırma doğruluğu, duyarlılık, geri çağırma ve F-ölçütü metrikleri için sonuçlar alınmıştır. Daha sonra ABCDM, AC-BiLSTM, AGCNN, ARC, ATTPooling, CAT-BiGRU, CNN-GRU, CRNN, HAN, IWV, SS-BED, Ağaç-BLSTM, Ağaç-LSTM ve WCNNLSTM hibrit mimarileri kullanılarak sonuçlar alınmış ve elde edilen sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
The concept of cryptocurrencies, which entered our lives with the emergence of Bitcoin, the first cryptocurrency, brings many innovations in financial terms. Many previously unknown concepts are wondered and explored by people who are interested in the subject with the emergence and spread of cryptocurrencies. Thanks to the increase in trends and research on cryptocurrencies, more and more people are writing articles on the subject; feelings and thoughts are shared instantly on platforms with short sentences consisting of a few words rather than long texts. As a result, the number of text data about cryptocurrencies is increasing and text data is becoming a big data source day by day. Cryptocurrency shares, which have become a source of big data, have led to the desire to provide information about the direction of the market for people interested in the cryptocurrency market by analyzing and classifying the sentiment of the data. Sentiment analysis studies can be preferred for many topics. When we look at the studies in the literature, there are studies on sentiment analysis about cryptocurrencies. However, studies using foreign texts are quite high compared to studies conducted in Turkish, and the variety of cryptocurrencies discussed in studies is generally very low. In this thesis, a sentiment analysis study has been tried to be made by using text pieces shared on the Twitter platform about Bitcoin, Ethereum, Solana, Ripple, Avalanche, Chiliz, Bitcicoin cryptocurrencies and NFT-DeFi technologies. For this, results were obtained for classification accuracy, precision, recall and F-measure by using CNN, RNN, LSTM and GRU algorithms from deep learning algorithms. Then, the results were obtained using hybrid architectures ABCDM, AC-BiLSTM, AGCNN, ARC, ATTPooling, CAT-BiGRU, CNN-GRU, CRNN, HAN, IWV, SS-BED, Tree-BLSTM, Tree-LSTM and WCNNLSTM; and the results were compared.
Benzer Tezler
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Karma frekanslı zaman serilerinin modellenmesi: Büyük veri örneği
Modeling of mixed frequency time series: Big data example
GÖZDE BOZKURT
- Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2021
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ARAS
- Makine öğrenmesi teknikleriyle göl seviyesi tahmini: Büyük Göller örneği
Lake level estimation with machine learning techniques: Great Lakes example
MEHMET FEHMİ YILDIZ
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiKTO Karatay Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. VAHDETTİN DEMİR
- Makine öğrenmesi teknikleriyle yazılım uyum metriklerinin tahmini
Predicting software coheson metrics with machine learning techniques
ELİF NUR HANER KIRĞIL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ