利用深度学习模型基于基因组和表观基因组特征识别增强子与超级增强子
计算与语言
2024-01-17 v1 人工智能
摘要
本文对聚焦于九种广泛认可的加密货币（具体为 Cardano、Binance、Bitcoin、Dogecoin、Ethereum、Fantom、Matic、Shiba 和 Ripple）的英文推文大型数据集进行了广泛研究。我们的主要目标是对与这些加密货币相关的社交媒体内容进行心理语言学和情感分析，以使研究者能够做出更明智的决策。该研究涉及比较不同数字货币的语言特征，揭示了每个币种社区内出现的独特语言模式。为此，我们利用了先进的文本分析技术。此外，我们的工作揭示了对这些数字资产在加密货币社区内相互作用的有趣理解。通过检查数据集中哪些币种对被最频繁地一起提及，我们建立了不同加密货币之间的相关性。为确保我们发现的可靠性，我们最初从 Twitter 收集了总共 832,559 条推文。这些推文经过严格的预处理阶段，最终得到一个包含 115,899 条推文的精炼数据集用于我们的分析。总的来说，我们的研究为各种数字货币在线社区的语言细微差别提供了宝贵的见解，并加深了对其在加密货币领域内相互作用的理解。
引用
@article{arxiv.2401.07470,
title = {Utilizing deep learning models for the identification of enhancers and super-enhancers based on genomic and epigenomic features},
author = {Zahra Ahani and Moein Shahiki Tash and Yoel Ledo Mezquita and Jason Angel},
journal= {arXiv preprint arXiv:2401.07470},
year = {2024}
}
备注
13 pages, 7 figures, 6 Tables