Loading...

Influence of Social Media on NFT Valuation

Gholinejad, Mohammad Mehdi | 2024

0 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 57668 (19)
  4. University: Sharif University of Technology
  5. Department: Computer Engineering
  6. Advisor(s): Habibi, Jafar
  7. Abstract:
  8. Non-Fungible Tokens (NFTs) are unique assets on the blockchain that prove ownership of various digital assets. Presently, a wide range of assets, such as digital art, music, tweets, and virtual assets in the metaverse, are being traded. Since there is no reliable standard for valuing NFTs, identifying criteria and correlations for their valuation and understanding the influence of social networks on these assets is crucial. Two key factors are identified in this process: (1) opinions, thoughts, and feedback from real individuals, and (2) the content of the token itself. Since these factors represent different types of data—textual and visual—two distinct analytical approaches are proposed. The first approach analyzes the visual content of the tokens, as well as price and transaction data, using machine learning tools. The second approach analyzes the textual data related to feedback and social interactions surrounding the tokens. This research aims to develop an automated method to understand the influence of social networks on NFT valuation by integrating insights from both approaches
  9. Keywords:
  10. Non-Fungible Tokens ; Blockchain ; Machine Learning ; Smart Contracts ; Metaverse ; Ownership Type

 Digital Object List

 Bookmark

  • معرفی پژوهش
    • تعریف مسئله
    • اهداف پژوهش
    • اهمیت موضوع
    • پرسش‌های پژوهشی
    • مراحل انجام پژوهش
    • نوآوری‌های پژوهش
    • ساختار پایان‌نامه
  • تعاریف اولیه و مقدمه‌ای بر مسئله
    • مقدمه
    • تعاریف مفاهیم مرتبط با انفتی‌ و فناوری‌های مرتبط
      • بلاک‌چین
      • انفتی‌
      • مارکت‌پلیس
      • قرارداد هوشمند
    • معرفی ساختار شبکه‌های اجتماعی
      • نقش شبکه‌های اجتماعی در ارتباطات و بازاریابی دیجیتال
    • معرفی انفتی‌ و تأثیر شبکه‌های اجتماعی بر ارزش‌گذاری آن
      • مفهوم و ویژگی‌های انفتی‌
      • تأثیر شبکه‌های اجتماعی بر ارزش‌گذاری انفتی‌‌ها
      • معیارهای ارزش‌گذاری انفتی‌‌ها
    • چالش‌ها و فرصت‌ها در ارزش‌گذاری انفتی‌‌ها
    • جمع‌بندی
  • بررسی کارهای مرتبط پیشین
    • یادگیری چندوجهی برای پیش‌بینی قیمت انفتی‌ها
      • مدل‌های پیشرفته یادگیری چندوجهی
      • چالش‌های یادگیری چندوجهی
      • جمع‌بندی
    • پیش‌بینی قیمت اولیه و ثانویه انفتی‌
      • پیش‌بینی قیمت اولیه انفتی‌ها
      • پیش‌بینی قیمت ثانویه انفتی‌ها
    • تأثیر رسانه‌های اجتماعی بر ارزش انفتی‌
    • کاربرد شبکه‌های عصبی عمیق برای پیش‌بینی قیمت انفتی‌
      • جمع‌بندی
  • جمع‌آوری و تحلیل مجموعه‌داده
    • مقدمه
    • بازارهای انفتی به عنوان مجموعه‌داده
      • اوپن‌سی به‌عنوان مرجع داده‌ها
      • فاندیشن به‌عنوان مرجع داده‌ها
      • اتصال داده‌های اجتماعی و بازارهای انفتی
      • جمع‌آوری داده‌های تاریخی
      • چالش‌های جمع‌آوری داده‌ها
    • اتکا‌پذیری بازارها
    • ارتباط با داده‌های اجتماعی افراد
      • فاندیشن به عنوان شبکه اجتماعی
    • امکان جمع‌آوری داده از بازارها
    • انتخاب بازار مناسب
      • معیار شبکه بلاکچین انفتی بر روی کیفیت داده
    • ‌جمع‌آوری داده‌های بازار فاندیشن
      • جمع‌آوری تصاویر و داده‌های متنی انفتی‌ها
      • جمع‌آوری داده‌های اجتماعی افراد
      • جمع‌آوری موجودی حساب انفتی افراد
      • تجمیع ‌و تمیز‌سازی داده
    • ‌جمع‌بندی
  • راهکار پیشنهادی
    • مقدمه
    • جمع‌آوری و آماده‌سازی داده‌ها
      • تولید متن از تصویر انفتی
    • تعریف دو سناریو
      • سناریوی nonsocial
      • سناریوی social
    • استخراج تعبیه‌های متنی
    • ترکیب ویژگی‌های متنی و عددی
    • مدل‌سازی و آموزش با XGBoost
    • جمع‌بندی
  • ارزیابی
    • مقدمه
      • طراحی ارزیابی
    • معیارهای ارزیابی
      • میانگین مربعات خطا (MSE)
      • میانگین خطای مطلق (MAE)
      • ریشه میانگین مربعات خطا (RMSE)
      • میانگین مربعات لگاریتمی خطا (MSLE)
      • ضریب تعیین (R²)
      • خطای مطلق میانه (MedAE)
    • ارزیابی نتایج سناریو nonsocial
    • ارزیابی مدل social
    • مقایسه عملکرد مدل‌ها
    • تجزیه و تحلیل نتایج
    • جمع‌بندی
  • نتیجه‌گیری و کارهای آینده
    • مقدمه
    • نقاط قوت و ضعف
      • نقاط قوت
      • نقاط ضعف
    • کارهای آینده
      • افزایش حجم داده‌ها
      • مدل‌سازی با داده‌های تاریخی
      • استفاده از مدل‌های پیچیده‌تر
    • جمع‌بندی
  • مراجع
  • واژه‌نامه
...see more