基于深度网络表示学习的比特币交易预测
社会与信息网络
2022-03-10 v2 机器学习
摘要
比特币及其用于数字货币交易的去中心化计算范式是 21 世纪最具颠覆性的技术之一。本文提出一种新方法，通过利用深度神经网络学习比特币交易网络表示，来构建比特币交易预测模型 DLForecast。DLForecast 做出了三点原创贡献。首先，我们探索了比特币交易账户之间的三个有趣特性：比特币账户的拓扑连接模式、交易金额模式和交易动态。其次，我们构建了时间衰减可达图和时间衰减交易模式图，旨在捕捉不同类型的时空比特币交易模式。第三，我们在两个图上采用节点嵌入，并基于带有内置时间衰减因子的历史交易，开发了用户账户间的比特币交易预测系统。为保持有效的交易预测性能，我们利用乘性模型更新（MMU）集成来组合基于从各对应比特币交易图提取的不同交易特征所构建的预测模型。在真实世界比特币交易数据上的评估表明，我们的时空预测模型高效且运行速度快，预测准确率超过 60%，与基于静态图基线的预测模型相比，预测性能提升了 50%。
引用
@article{arxiv.2007.07993,
title = {Bitcoin Transaction Forecasting with Deep Network Representation Learning},
author = {Wenqi Wei and Qi Zhang and Ling Liu},
journal= {arXiv preprint arXiv:2007.07993},
year = {2022}
}