Derin öğrenme algoritmaları kullanarak Bitcoin'de duygu analizine dayalı yön tahmini
Direction prediction based on sentiment analysis in Bitcoinusing deep learning algorithms
- Tez No: 792468
- Danışmanlar: DR. ÖĞR. ÜYESİ SERPİL ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 42
Özet
Duygular hayatımızın çok önemli ve temel bir yönünü oluşturur. Yaptıklarımız ve söylediklerimiz, doğrudan olmasa da bir şekilde bazı duygularımızı yansıtır. Bir insanın temel davranışlarını anlamak için, duygulanım verileri olarak da adlandırılan bazı duygusal veriler aracılığıyla analiz edilmesi gerekir. Bu veriler metin, ses, yüz ifadeleri vb. olabilir. Sosyal ağ sitelerinin ortaya çıkmasıyla birlikte, birçok insan bu çeşitli sitelerde bulunan içerikleri analiz etmeye yönelmiştir. Twitter bu sosyal ağ sitelerinin başında gelmektedir. İnsanların bir konu hakkındaki duygu ve düşünceleri üzerinden olumlu, olumsuz veya nötr duygu değerleri ortaya çıkarılmaktadır. Twitter'da duygu analizi yapmak çok önemli ve zorlu bir görevdir. Bu tez kapsamında, derin öğrenme mimarilerinin gücünden ve makine öğrenmesi metotlarından faydalanarak Bitcoin ile ilgili duyguların araştırılması ve bitcoin değeri üzerindeki etkisine genel bir bakış sunulmaktadır. Tez kapsamında kullanılmak üzere Twitter'da 12 Aralık 2021 ve 13 Mart 2022 arasında paylaşılan İngilizce tweetler toplanmıştır. İnsanların Bitcoin ile ilgili duyguları, doğal dil işleme (Doğal Dil İşleme, DDİ) aracı olan TextBlob kullanılarak değerlendirilmiştir. Daha sonra, duygu sınıflandırması için tez kapsamında GloVe tabanlı BiLSTM modeli önerilmiştir. Önerilen modelin performansı temel makine öğrenmesi algoritmaları ve CNN, LSTM derin öğrenme mimarileri kullanılarak TF- IDF ve GloVe kelime gömme yaklaşımlarıyla ayrı ayrı test edilmiştir. Deneysel sonuçlar, önerilen modelin başarısını kanıtlamaktadır.
Özet (Çeviri)
Emotions form a very important and fundamental aspect of our lives. What we do and say reflects some of our feelings in some way, though not directly. To understand the basic behavior of a person, it needs to be analyzed through some emotional data, also called affect data. This data can be text, voice, facial expressions, etc. it could be. With the advent of social networking sites, many people have turned to analyzing the content found on these various sites. Twitter is one of these social networking sites. Positive, negative or neutral emotional values are revealed through people's feelings and thoughts about a subject. Doing sentiment analysis on Twitter is a very important and challenging task. In this thesis, an overview of Bitcoin-related sentiment and its impact on bitcoin value is presented by utilizing the power of deep learning architectures and machine learning methods. English tweets shared on Twitter between 12 December 2021 and 13 March 2022 were collected to be used within the scope of the thesis. People's feelings about Bitcoin were evaluated using TextBlob, a natural language processing (Natural Language Processing, DDI) tool. Then, GloVe-based BiLSTM model is proposed for emotion classification within the scope of the thesis. The performance of the proposed model is tested separately with TF-IDF and GloVe word embedding approaches using basic machine learning algorithms and CNN, LSTM deep learning architectures. Experimental results prove the success of the proposed model.
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
- Kriz dönemlerinde yapay zekâ yöntemleri ile farklı amaç ve altyapıya sahip kripto para endeks tahmini ve karşılaştırması: Bitcoin ve Etheryum örneği
In crisis periods, artificial intelligence methods and cryptocurrency index estimation and comparison with different purposes and infrastructure: The example of Bitcoin and Ethereum
FÜSUN ŞENTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMER İLKUÇAR
- Kripto para piyasasının volatilite öngörümlemesi: GARCH modellerinin ve derin öğrenme algoritmalarının karşılaştırması
Volatility forecasting of the cryptocurrency market: A comparison of GARCH models and deep learning algorithms
ÖMER BURAK AKGÜN
Yüksek Lisans
Türkçe
2023
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. EMRAH GÜLAY
- Predicting the bitcoin trend using technical indicators for deep learning algorithmic features
Teknik göstergeleri kullanarak bitcoin trendini derin öğrenme ile tahmin etmek
NURİ TUĞKAN İNCE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ONUR DURAHİM
- Derin pekiştirmeli öğrenme ile kripto para fiyat tahmini
Cryptocurrency price prediction with deep reinforced learning
SERBEST ZİYANAK
Doktora
Türkçe
2023
İstatistikVan Yüzüncü Yıl Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. HALİT ERAY ÇELİK