Show me your NFT and I tell you how it will perform: Multimodal representation learning for NFT selling price prediction

要約

Non-Fungible Token（NFT）は、ブロックチェーン技術とスマートコントラクトに基づき、デジタルアート形式（芸術作品や収集品など）のユニークな暗号資産の所有権証書を表します。2021年に急騰した後、NFTは暗号愛好家や、この収益性の高い市場に有望な投資を行うことを意図する投資家の注目を集めています。しかし、NFTの財務パフォーマンス予測は、これまで広く検討されていません。 この研究では、NFTの画像とそのテキスト説明がNFTの販売価格を予測するための不可欠なプロキシであるという仮説に基づいて、上記の問題に取り組みます。この目的のために、我々は、NFTの画像とテキストのコレクションに対して、グラフニューラルネットワークモデルとともに、Transformerベースの言語と視覚モデルを訓練するために設計された新しいマルチモーダル深層学習フレームワークであるMERLINを提案する。MERLINの重要な点は、NFT取引に関心のあるユーザーが扱いたい主要データ、すなわちNFTの画像とテキスト記述のみを利用するため、金融的特徴に依存しないことである。このようなデータの密な表現を学習することにより、価格カテゴリ分類タスクがMERLINモデルによって実行され、推論段階でユーザーの好みに応じて、異なるリスク・リターン投資プロフィールを模倣するように調整することも可能です。一般に公開されているデータセットを用いた実験的評価により、MERLINモデルはいくつかの金融評価基準において優れたパフォーマンスを達成し、有益な投資を促進し、金融特徴に基づくベースラインの機械学習分類器にも勝ることが示されている。

要約(オリジナル)

Non-Fungible Tokens (NFTs) represent deeds of ownership, based on blockchain technologies and smart contracts, of unique crypto assets on digital art forms (e.g., artworks or collectibles). In the spotlight after skyrocketing in 2021, NFTs have attracted the attention of crypto enthusiasts and investors intent on placing promising investments in this profitable market. However, the NFT financial performance prediction has not been widely explored to date. In this work, we address the above problem based on the hypothesis that NFT images and their textual descriptions are essential proxies to predict the NFT selling prices. To this purpose, we propose MERLIN, a novel multimodal deep learning framework designed to train Transformer-based language and visual models, along with graph neural network models, on collections of NFTs’ images and texts. A key aspect in MERLIN is its independence on financial features, as it exploits only the primary data a user interested in NFT trading would like to deal with, i.e., NFT images and textual descriptions. By learning dense representations of such data, a price-category classification task is performed by MERLIN models, which can also be tuned according to user preferences in the inference phase to mimic different risk-return investment profiles. Experimental evaluation on a publicly available dataset has shown that MERLIN models achieve significant performances according to several financial assessment criteria, fostering profitable investments, and also beating baseline machine-learning classifiers based on financial features.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL