Bu yazı Decentraland ekosistemindəki MANA tokeni üçün icma əhval-ruhiyyəsi ilə qiymət proqnozu arasındakı əlaqəni araşdıran akademik iş əsasında hazırlanıb. Araşdırılan iş Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland’s MANA Token başlığını daşıyır.

İşin məqsədi Decentraland Discord icmasındakı mesajlardan əldə edilən əhval-ruhiyyə siqnallarının MANA token gəlirliliyini proqnozlaşdırmaqda qiymət məlumatına əlavə dəyər verib-vermədiyini ölçməkdir. Bunun üçün RoBERTa əsaslı sentiment təsnifatçısından istifadə olunub, daha sonra LSTM modelləri ilə price-only və multi-modal proqnoz strukturları müqayisə edilib.

Bu məzmun investisiya məsləhəti deyil. İş Decentraland icma məlumatı və MANA bazar məlumatı üzərində akademik proqnoz təcrübəsi təqdim edir. Nəticələr keçmiş məlumata, müəyyən model fərziyyələrinə və məhdud məlumat dövrünə əsaslanır. Buna görə birbaşa al-sat tövsiyəsi və ya qəti bazar proqnozu kimi şərh edilməməlidir.

Yeni akademik iş Decentraland-ın MANA tokeni üçün Discord icma mesajlarını qiymət, həcm və bazar dəyəri ilə birləşdirərək token gəlirliliyini proqnozlaşdırmağa çalışır. Tədqiqatda RoBERTa əsaslı sentiment modeli ilə Discord mesajları müsbət, neytral və mənfi kimi təsnif edilir. Daha sonra price-only LSTM modeli ilə sentiment, həcm və bazar dəyərini də ehtiva edən multi-modal LSTM modeli müqayisə olunur. Tapıntılar icma əhval-ruhiyyəsinin proqnoz xətasını azalda bildiyini göstərir; lakin mənfi \(R^2\) dəyərləri modelin MANA gəlirliliyindəki geniş bazar dəyişkənliyini hələ də kifayət qədər izah edə bilmədiyini ortaya qoyur.

Problem Nədir?

Metaverse layihələri yalnız texniki platformalar deyil, eyni zamanda icmaların fəal şəkildə qarşılıqlı əlaqədə olduğu rəqəmsal iqtisadiyyatlardır. Decentraland kimi virtual dünyalarda istifadəçilər rəqəmsal torpaq, avatar, tədbir, NFT və idarəetmə prosesləri ətrafında davamlı ünsiyyət qururlar. Bu ünsiyyətlərin bir hissəsi platformaya olan etimadı, məmnunluğu və ya məyusluğu əks etdirə bilər.

MANA tokeni Decentraland ekosistemində virtual aktiv əməliyyatları və idarəetmə ilə əlaqəli kripto aktivdir. Buna görə icma əhval-ruhiyyəsinin token qiyməti və ya gəlirliliyi ilə əlaqəsi olub-olmaması vacib tədqiqat sualıdır.

İşin əsas problemi budur: Discord kimi icma kanallarından əldə edilən əhval-ruhiyyə siqnalları yalnız qiymət keçmişinə əsaslanan proqnoz modellərindən daha yaxşı nəticə verə bilərmi?

Bu sual xüsusilə metaverse iqtisadiyyatları üçün vacibdir. Çünki bu tip layihələrdə qiymət hərəkətləri yalnız makro kripto bazarı ilə deyil, platformadaxili istifadəçi təcrübəsi, icma marağı, tədbirlər, texniki problemlər və idarəetmə qavrayışı ilə də təsirlənə bilər.

Metod Nə Təklif Edir?

İş iki əsas məlumat mənbəyini birləşdirir. Birinci mənbə MANA tokeninə aid gündəlik bazar məlumatlarıdır. Bu məlumatlar açılış, maksimum, minimum, bağlanış qiyməti, əməliyyat həcmi və bazar dəyəri kimi klassik maliyyə sahələrini əhatə edir. İkinci mənbə isə Decentraland Discord icmasındakı #general kanal mesajlarıdır.

Mətn məlumatları üçün RoBERTa əsaslı sosial media sentiment modelindən istifadə olunur. Hər mesaj müsbət, neytral və ya mənfi sentiment etiketi alır. Daha sonra gündəlik sentiment skoru hesablanır. Bu gündəlik skor qiymət, həcm və bazar dəyəri ilə birlikdə multi-modal LSTM modelinə verilir.

İşdə iki LSTM yanaşması müqayisə edilir:

Price-only baseline: Model yalnız tipik qiymət məlumatından istifadə edir.

Multi-modal model: Model tipik qiymət, əməliyyat həcmi, bazar dəyəri və gündəlik Discord sentiment skorunu birlikdə istifadə edir.

Bu müqayisə sentiment məlumatının price-only modelə nisbətən əlavə məlumat təmin edib-etmədiyini yoxlamağı hədəfləyir.

Formullar Nəyi İzah Edir?

İşdəki formullar MANA qiymətinin necə təmsil edildiyini, gəlirliliyin necə hesablandığını, Discord mesajlarından gündəlik sentiment skorunun necə yaradıldığını və LSTM proqnoz modelinin əsas quruluşunu göstərir.

1. Tipik qiymət

İşdə gündəlik qiyməti tək təmsil dəyərinə endirmək üçün tipik qiymətdən istifadə olunur:

Burada \(P_t^H\) gün ərzində ən yüksək qiyməti; \(P_t^L\) gün ərzində ən aşağı qiyməti; \(P_t^C\) bağlanış qiymətini ifadə edir. Tipik qiymət yalnız bağlanışa baxmaq əvəzinə gün ərzindəki qiymət diapazonunu daha yumşaldılmış şəkildə təmsil edir.

2. Davamlı gəlirlilik

Token gəlirliliyi tipik qiymət üzərindən loqarifmik gəlirlilik kimi hesablanır:

Bu formul ardıcıl iki gün arasındakı nisbi qiymət dəyişməsini ölçür. Log gəlirlilikdən istifadə maliyyə zaman sıralarında qiymət səviyyələrini müqayisə edilə bilən hala gətirmək üçün geniş yayılmış üsuldur.

3. Mesaj səviyyəsində sentiment etiketi

Hər Discord mesajı üçün model sentiment etiketi yaradır:

Burada \(+1\) müsbət, \(0\) neytral, \(-1\) mənfi sentimenti ifadə edir. \(i\) eyni gün daxilindəki mesajı; \(t\) günü göstərir.

4. Gündəlik sentiment skoru

Gündəlik sentiment mesaj sentimenti və model etibarı birlikdə istifadə edilərək hesablanır:

Burada \(n_t\), \(t\) günündəki mesaj sayıdır. \(\gamma_{i,t}\) modelin müvafiq mesaj üçün etibar skorunu ifadə edir. Bu quruluş yalnız etiketin istiqamətini deyil, modelin həmin etiketə nə qədər güvəndiyini də nəzərə alır.

5. Sentiment sinifləri

İşdə gündəlik sentiment skoru üç bölgəyə ayrılır:

Bu hədlər gündəlik icma əhvalını müsbət, neytral və ya mənfi şəkildə ümumiləşdirmək üçün istifadə olunur.

6. LSTM giriş dəyişənləri

Price-only modeldə giriş yalnız tipik qiymətdir:

Multi-modal modeldə isə giriş vektoru dörd komponentdən ibarətdir:

Burada \(V_t\) əməliyyat həcmini; \(M_t\) bazar dəyərini; \(S_t\) gündəlik Discord sentiment skorunu ifadə edir. Bu quruluş modelin yalnız qiymət keçmişini deyil, icma məlumatını və bazar ölçüsü məlumatını da nəzərə almasına imkan verir.

7. LSTM qapı quruluşu

İşdə LSTM-in əsas qapı mexanizmi sadə şəkildə belə göstərilir:

Burada \(i_t\) giriş qapısını; \(o_t\) çıxış qapısını ifadə edir. \(\sigma\) sigmoid funksiyasıdır. LSTM bu qapılar sayəsində keçmiş məlumatı nə qədər daşıyacağını və yeni girişi nə qədər nəzərə alacağını öyrənməyə çalışır.

8. Orta kvadratik xəta

Proqnoz performansını ölçmək üçün istifadə olunan ilk metrik MSE-dir:

MSE böyük proqnoz xətalarını daha sərt cəzalandırır. Modelin gəlirliliyi nə qədər yaxın proqnozlaşdırdığını ölçmək üçün istifadə olunur.

9. Orta mütləq xəta

İkinci xəta metriği MAE-dir:

MAE proqnoz xətalarının orta mütləq böyüklüyünü verir. Kənar xətalara MSE qədər sərt reaksiya vermir.

10. İzah gücü: \(R^2\)

Modelin gəlirlilik dəyişkənliyini nə qədər izah edə bildiyi \(R^2\) ilə ölçülür:

\(R^2\) müsbət olduqda model orta proqnoza nisbətən daha izahlı qəbul edilir. Bu işdə hər iki modeldə də \(R^2\) mənfi qalıb. Bu, sentiment və bazar məlumatları əlavə edilsə belə MANA gəlirliliyindəki geniş dəyişkənliyin hələ də kifayət qədər izah edilə bilmədiyini göstərir.

Qrafik, Cədvəl və Sxemin Əsas Mesajı

PDF-dəki Şəkil 1, işin məlumat axınını göstərir. Discord mesajları RoBERTa əsaslı sentiment modelindən keçirilir. Gündəlik sentiment skoru \(S_t\) yaradılır. Daha sonra bu skor tipik qiymət \(\tau_t\) və əməliyyat həcmi \(V_t\) kimi maliyyə göstəriciləri ilə birlikdə LSTM proqnoz modelinə ötürülür.

Şəkil 2, icma sentiment paylanmasını və model performansını ümumiləşdirir. Discord mesajlarının böyük hissəsi neytral sinifdə toplanıb. İşdə müsbət mesaj nisbəti təxminən %26,94, neytral mesaj nisbəti %60,96, mənfi mesaj nisbəti isə %12,10 kimi hesabatlanır. Bu paylanma icma əhval-ruhiyyəsinin ümumilikdə neytral, lakin müsbət tərəfə azca meylli olduğunu göstərir.

Model performansı baxımından multi-modal quruluş price-only LSTM modelinə nisbətən xəta ölçülərini azaldıb. Əsas nəticə bölməsində MSE dəyərinin 0.002100-dən 0.001528-ə, MAE dəyərinin isə 0.0297-dən 0.0241-ə düşdüyü bildirilir. Lakin hər iki modeldə də \(R^2\) mənfi qaldığı üçün bu yaxşılaşma məhdud şəkildə şərh edilməlidir.

PDF-in əlavə hissəsindəki model müqayisə cədvəli də oxşar mesaj verir. Səkkiz müstəqil sınağın ortalamasında price-only model üçün MSE 5.84, sentiment əlavə olunan model üçün 5.40 kimi hesabatlanıb. Orta MAE də çox az azalıb, \(R^2\) isə -0.266 səviyyəsindən -0.170 səviyyəsinə yaxşılaşıb. Bu, sentiment məlumatının töhfə verə bildiyini, lakin hələ də güclü izah modeli yaratmadığını göstərir.

Təcrübələr Necə Aparılıb?

İşdə MANA tokeninə aid gündəlik OHLCV məlumatlarından istifadə olunub. Məlumat dövrü 15 İyun 2023 ilə 14 İyun 2024 arasındakı 366 günü əhatə edir. Bazar məlumatları open, high, low, close, trading volume və market capitalization sahələrini ehtiva edir.

Mətn məlumatı tərəfində Decentraland Discord icmasının #general kanalındakı mesajlardan istifadə olunub. İlk mərhələdə 5.883 mesaj toplanıb, keçərsiz qeydlər çıxarıldıqdan sonra yekun mətn korpusu 5.513 mesajdan ibarət olub.

Hər mesaj RoBERTa əsaslı sentiment modeli ilə təsnif edilib. Daha sonra mesajlar gündəlik səviyyədə birləşdirilərək \(S_t\) sentiment skoru hesablanıb.

Proqnoz hissəsində LSTM modelindən istifadə olunub. Price-only model yalnız tipik qiymətdən istifadə edərkən, multi-modal model tipik qiymət, əməliyyat həcmi, bazar dəyəri və sentiment skorunu birlikdə istifadə edir. Performans MSE, MAE və \(R^2\) metrikləri ilə ölçülüb.

Nəticələr Nəyi Göstərir?

İşin ilk nəticəsi Decentraland Discord icmasında sentimentin əsasən neytral olmasıdır. Neytral mesajların çoxluq təşkil etməsi icmada daimi həddindən artıq nikbin və ya həddindən artıq bədbin əhval olmadığını göstərir. Bununla yanaşı müsbət mesaj nisbəti mənfi mesaj nisbətindən daha yüksəkdir.

İkinci nəticə mənfi sentiment sıçrayışlarının daha çox istifadəçi səviyyəsindəki texniki problemlərlə əlaqəli görünməsidir. Bu vacib fərqdir. Çünki Discord sentimenti həmişə makro bazar siqnalı yaratmaya bilər; bəzən platformadaxili istifadəçi təcrübəsini daha birbaşa əks etdirə bilər.

Üçüncü nəticə sentiment məlumatının proqnoz performansına məhdud, lakin ölçülə bilən töhfə verə bilməsidir. Multi-modal model price-only modelə nisbətən MSE və MAE dəyərlərini azaldıb. Bu, icma mesajlarından çıxarılan siqnalın tamamilə mənasız olmadığını göstərir.

Dördüncü və ən ehtiyatlı nəticə isə \(R^2\) tərəfindədir. Hər iki modeldə də \(R^2\) mənfi qalıb. Bu, MANA token gəlirliliyinin yalnız qiymət, həcm, bazar dəyəri və Discord sentimenti ilə güclü şəkildə izah edilə bilmədiyini göstərir. Başqa sözlə, model qısamüddətli xəta ölçülərində yaxşılaşsa belə ümumi bazar dinamikasını tam tuta bilmir.

Bu Niyə Vacibdir?

Bu iş metaverse iqtisadiyyatlarında icma məlumatının maliyyə proqnoz modellərinə necə daxil edilə biləcəyini göstərməsi baxımından vacibdir. Decentraland kimi platformalarda Discord yalnız söhbət məkanı deyil; eyni zamanda istifadəçilərin məmnunluğunu, texniki problemlərini, gözləntilərini və platformaya marağını əks etdirən icma siqnalıdır.

Maliyyə proqnoz modelləri çox vaxt qiymət və həcm məlumatına əsaslanır. Lakin kripto və metaverse layihələrində icma marağı, idarəetmədə iştirak və sosial sentiment də vacib ola bilər. Bu iş bu sosial siqnalların modelə əlavə olunması ilə xəta ölçülərində yaxşılaşma əldə edilə biləcəyini göstərir.

Lakin nəticələr eyni zamanda ehtiyatlı olmaq lazım olduğunu göstərir. Discord sentimenti platformadaxili təcrübəni əks etdirə bilər; ancaq bütün kripto bazarını, makro xəbərləri, likvidlik şərtlərini və ya investor davranışını təkbaşına izah edə bilməz. Buna görə icma sentiment məlumatı müstəqil proqnoz mühərriki deyil, daha geniş multi-modal təhlil sisteminin bir hissəsi kimi düşünülməlidir.

Diqqət Edilməli Məqamlar

Bu iş investisiya məsləhəti deyil. MANA və ya başqa kripto aktiv üçün al-sat tövsiyəsi ehtiva etmir.

Məlumat dövrü yalnız 366 günü əhatə edir. Daha uzun dövrlərdə və fərqli bazar rejimlərində nəticələr dəyişə bilər.

Discord məlumatı bütün investor kütləsini təmsil etməyə bilər. Aktiv Discord istifadəçiləri MANA investorlarının və ya Decentraland istifadəçilərinin yalnız müəyyən alt qrupunu əks etdirə bilər.

Sentiment modeli ümumi sosial media dili üzərində öyrədilmiş RoBERTa əsaslı modeldir. Metaverse və kripto sahəsinə xas ironiya, jarqon, texniki şikayət və ya icmadaxili konteksti həmişə düzgün tuta bilməyə bilər.

Mənfi \(R^2\) dəyərləri modelin izah gücünün məhdud olduğunu göstərir. Buna görə xəta metriklərindəki yaxşılaşma şişirdilməməlidir.

İşdə makro kripto bazarı, Bitcoin təsiri, Ethereum şəbəkə şərtləri, NFT həcmi, Decentraland daxilində torpaq aktivliyi və ya iri birja likvidliyi kimi əlavə dəyişənlərdən istifadə olunmayıb. Bu dəyişənlər gələcəkdə daha əhatəli modellər üçün vacib ola bilər.

Nəticə

Bu akademik iş Decentraland Discord icmasından çıxarılan sentiment siqnallarının MANA token proqnoz modellərinə məhdud, lakin mənalı töhfə verə biləcəyini göstərir. Multi-modal LSTM modeli price-only modelə nisbətən MSE və MAE dəyərlərini azaldıb.

Lakin iş eyni zamanda vacib xəbərdarlıq edir: İcma sentimenti təkbaşına güclü bazar izah modeli deyil. Mənfi \(R^2\) dəyərləri MANA gəlirliliyində hələ də izah olunmayan ciddi dəyişkənlik olduğunu göstərir.

Verianla baxımından bu işin əsas mesajı budur: Metaverse və kripto iqtisadiyyatlarında icma məlumatı vacibdir; lakin bu məlumat yalnız qiymət, həcm, bazar dəyəri, platforma aktivliyi və daha geniş bazar şərtləri ilə birlikdə qiymətləndirildikdə daha mənalı olur.

Mənbə və Metod Qeydi

Bu məzmun Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland’s MANA Token başlıqlı akademik PDF araşdırılaraq hazırlanıb. Mətn sözbəsöz tərcümə deyil. İşin məqsədi, məlumat quruluşu, əsas formulları, metodları, nəticələri və məhdudiyyətləri Verianla oxucuları üçün sadələşdirilmiş, orijinal və redaktə edilmiş Azərbaycan dili ilə yenidən izah edilib.

Formullar işdəki əsas riyazi quruluşa sadiq qalınaraq MathJax uyğun LaTeX formatında verilib. Yazı investisiya məsləhəti, token tövsiyəsi və ya canlı əməliyyat siqnalı deyil.