Exploring Sentiment Dynamics and Predictive Behaviors in Cryptocurrency Discussions by Few-Shot Learning with Large Language Models

要約

この研究では、高度な自然言語処理技術を活用して、暗号通貨関連の議論における予測ステートメント、希望スピーチ、後悔検出動作の分析を実行します。
「予測ステートメント」という名前の新しい分類スキームを導入し、コメントを予測増分、予測減分、予測中立、または非予測のカテゴリに分類します。
最先端の大規模言語モデルである GPT-4o を使用して、Cardano、Binance、Matic、Fantom、Ripple という 5 つの著名な暗号通貨にわたる感情のダイナミクスを調査します。
私たちの分析により、予測センチメントの明確なパターンが明らかになり、マティックは楽観的な予測の傾向が顕著に高いことが示されました。
さらに、希望と後悔の感情を調査し​​、これらの感情と予測行動の間の微妙な相互作用を明らかにします。
データ量とリソースの可用性に関連する制限に直面しているにもかかわらず、私たちの調査は、仮想通貨市場内の投資家の行動とセンチメントの傾向に関する貴重な発見を報告し、戦略的な意思決定と将来の研究活動に情報を提供します。

要約(オリジナル)

This study performs analysis of Predictive statements, Hope speech, and Regret Detection behaviors within cryptocurrency-related discussions, leveraging advanced natural language processing techniques. We introduce a novel classification scheme named ‘Prediction statements,’ categorizing comments into Predictive Incremental, Predictive Decremental, Predictive Neutral, or Non-Predictive categories. Employing GPT-4o, a cutting-edge large language model, we explore sentiment dynamics across five prominent cryptocurrencies: Cardano, Binance, Matic, Fantom, and Ripple. Our analysis reveals distinct patterns in predictive sentiments, with Matic demonstrating a notably higher propensity for optimistic predictions. Additionally, we investigate hope and regret sentiments, uncovering nuanced interplay between these emotions and predictive behaviors. Despite encountering limitations related to data volume and resource availability, our study reports valuable discoveries concerning investor behavior and sentiment trends within the cryptocurrency market, informing strategic decision-making and future research endeavors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google