NFT sales characteristics and price prediction by transfer learning visual attributes
Transfer öğrenme görsel özellikleri ile NFT satış özellikleri ve fiyat tahmini
- Tez No: 858891
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE SEFER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 53
Özet
Nitelikli Fikri Tapu'lar (NFT'ler); temel olarak resimler, sanat eserleri, hareketli görseller ve mizahi tasarımlar gibi görselleştirilebilecek herhangi bir nesneyi temsil eden, mülkiyeti blok zinciri üzerinde tanımlanmış dijital varlıklardır. Genellikle Ethereum gibi kripto para birimleri ile çevrimiçi alınıp satılabilirler. NFT'lere ve ticaretine olan ilginin artışı, NFT'leri alternatif bir yatırım aracı haline getirmektedir. Ancak mevcut araştırma ve çalışmalar genellikle NFT'lerin teknik yönlerine odaklanmıştır ve fiyat tahminine yönelik çalışmalar sınırlı kalmıştır. NFT piyasasının karmaşık yapısı, spekülasyon ve manipülasyona açık olması, likidite eksikliği, nadirlik, öznellik ve volatilite gibi faktörler fiyat tahminini oldukça zor hale getirmektedir. Bu bağlamda, analiz ve tahminler için makine öğrenimi güçlü bir çözüm sunmaktadır. Bu çalışmada iki tahmin problemine odaklanılmıştır: NFT'lerin satış fiyatı ve ikincil satış olasılığı. Önceden eğitilmiş derin öğrenme algoritmaları kullanılarak NFT'lerin görsel özellikleri analiz edilmiş, bu görsel bilgi ile satış geçmişi, tüccar davranışı ve ikincil satışların fiyat üzerindeki etkisi de analiz ve öğrenme sürecine dahil edilmiş ve bu özelliklerin güvenilirlikleri değerlendirilmiştir. NFT'leri sanat, koleksiyon, oyun, metaverse, işlevsellik ve diğer olmak üzere 6 kategoriye ayırarak makine öğrenimi algoritmalarıyla satışlar modellenmiş ve bu problemlere cevap aranmıştır. Denemeler sonucunda, görsel özelliklerin tahmin performansını tüm durumlarda artırdığı, optimum performansı gösteren modelin ise problem tipine göre değiştiği görülmüştür. Genel olarak, öğrenme algoritmalarının hiçbiri tüm kategorilerde sürekli olarak diğerlerinden daha iyi performans gösterememiştir. Kodlarımız, https://github.com/seferlab/deep_nft adresinde herkese açık olarak sunulmuştur.
Özet (Çeviri)
Non-fungible tokens~(NFTs) are unique digital assets whose possession is defined over a blockchain. NFTs can represent multiple distinct objects such as art, images, videos, etc. NFTs are almost always traded by using cryptocurrencies such as Ethereum and blockchains are utilized to encode them. There was a recent surge of interest in trading them which makes them another type of alternative investment. While the existing research predominantly focuses on the technical aspects of NFTs, limited attention has been given to predicting their prices. The inherent volatility of NFT prices, attributed to factors such as over-speculation, liquidity constraints, rarity, subjectivity, and market volatility, presents challenges for accurate price predictions. For such analysis and forecasting, machine learning methods offer a robust solution framework. Here, we focus on two related prediction problems over NFTs: Predicting NFTs' sale price, and inferring whether a given NFT will participate in a secondary sale. We analyze and learn the visual characteristics of NFTs by deep pre-trained models and combine such visual knowledge with additional important non-visual attributes such as the sale history, trader behavior, seller's and buyer's centralities in the trading network, and collection's resale probability, and we assess the reliability of these features. We categorize input NFTs into six categories based on their characteristic features: Art, Collectibles, Games, Metaverse, Utility, and Others. We train several different machine learning methods on these attributes to answer these two questions. Across detailed experiments, we found visual attributes obtained from deep pre-trained models to increase the prediction performance in all cases, even though the pre-trained model giving the optimal result may change depending on the problem type. In general, none of the learning algorithms consistently outperformed the rest of them across all categories. Our code is publicly available at https://github.com/seferlab/deep_nft.
Benzer Tezler
- Tüketicilerin NFT'lere yönelik tutum ve niyetlerinin incelenmesi
Consumer's attitudes and intentions towards NFT products
MERT NİHAT BAYMAN
- Metaverse evreninin bazı ekonomik terimler açısından incelenmesi ve sektörler bazında etkileşimleri
Examination of the metaverse universe in terms of some economic terms and their interactions on the basis of sectors
ÇAĞRI DAĞLIOĞLU
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKTAN
- Blok zincir teknolojisi ve Metaverse'ün mimarlık, sanat ve tasarım alanlarına etkisi: Potansiyel olanaklar ve geleceğin yapıları
The impact of blockchain technology and Metaverse on architecture, art and design: Potential possibilities and structures of the future
KEREM DÜZENLİ
Yüksek Lisans
Türkçe
2024
Dokümantasyon ve EnformasyonMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. NAZIM ZİYA PERDAHÇI
- Kitle fonlamasına merkeziyetsiz bir yaklaşım non-fungible token (Nitelikli Fikri Tapu - NFT)'lar üzerine bir değerlendirme
An assessment of Non-Fungible Tokens (NFTs) in terms of crowdfunding
İLKAY YÜKSEL
Yüksek Lisans
Türkçe
2022
İşletmeTOBB Ekonomi ve Teknoloji Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. EKİN TOKAT
- Teknolojik determinizm perspektifinden sanatın dijitalleşmesi ve NFT ile sanatın dönüşümü: Aura kavramı ve direnç unsurları
Digitization of art from the perspective of technologial determinism and transformation of art with NFT: Aura and elements of resistances
YELİZ AYIK ERSOY