Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/2032
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCeyhan, Kıvanç|Kurtulmaz, E.-
dc.contributor.authorSert, Onur Can-
dc.contributor.authorÖzyer, Tansel-
dc.date.accessioned2019-07-10T14:42:47Z
dc.date.available2019-07-10T14:42:47Z
dc.date.issued2018-07-05
dc.identifier.citationCeyhan, K., Kurtulmaz, E., Sert, O. C., & Özyer, T. (2018, May). Bitcoin movement prediction with text mining. In 2018 26th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.en_US
dc.identifier.isbn978-153861501-0
dc.identifier.urihttps://ieeexplore.ieee.org/document/8404169-
dc.identifier.urihttps://hdl.handle.net/20.500.11851/2032-
dc.description26th IEEE Signal Processing and Communications Applications Conference (2018 : Izmir; Turkey)
dc.description.abstractIn the last few years, Bitcoin is one of the most discussed and popular topic in financial system. This article aims to predict Bitcoin movement by using Machine Learning and Text Mining models. Many models have been used to this end, including the most popular models in financial prediction; Artifical Neural Network (ANN), Support Vector Machine (SVM) and Logistic Regression (LR). In addition to this, in order to examine the effect of daily news on Bitcoin movement, the text mining models are involved into the prediction system. This paper focuses on applying Machine Learning models on a integrated dataset, which contains both historical Bitcoin values and features from daily news text. Overall, our model can estimate the direction of Bitcoin with a high success. © 2018 IEEE.en_US
dc.description.abstractBitcoin, yıllardır üzerinde durulan ve popülerligi gittikçe artan bir yatırım aracıdır. Bu çalışmada, yapay zeka ve metin madenciligi yöntemlerinin birleştirilmesiyle Bitcoin hareket yönünün tahmin edilmesi amaçlanmıştır. Bu dogrultuda, borsa tahmininde en çok kullanılan modeller olan Yapay Sinir Agı (YSA), Destek Vektör Makinesi (SVM) ve Lojistik Regresyon (LR) gibi makine ögrenme algoritmaları, Bitcoin hareketi kestiri- minde kullanılmıştır. Bunun yanında, günlük haberlerin Bitcoine olan etkisi ve bu etkinin makine ögrenme teknikleri ile birlikte kullanıldıgı durumlarda Bitcoin hareket yönü tahminine olan etkisini incelemek ve analiz etmek amacıyla, günümüzde sıklıkla kullanılan metin madenciligi tekniklerinden yararlanılmıştır. Çalışmada, Bitcoin tarihi verilerini içeren veri seti ile metin madenciligi teknikleri kullanılarak, günlük haber başlıklarından oluşturulan veri seti birleştirilerek elde edilen tek bir veri seti üzerinde makine ögreme algoritmalarının çalıştırılması önerilmiştir. Bu şekilde, Bitcoin hareket yönünün tahmininde yüksek başarı elde edilebilecegi de gerlendirilmiştir.en_US
dc.description.sponsorshipAselsan,et al.,Huawei,IEEE Signal Processing Society,IEEE Turkey Section,Netas
dc.language.isotren_US
dc.publisherInstitute of Electrical and Electronics Engineers Inc.en_US
dc.relation.ispartof26th IEEE Signal Processing and Communications Applications Conferenceen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectFinanceen_US
dc.subjectForecastingen_US
dc.subjecttechnical indicatorsen_US
dc.subjectBitcoin tahminitr_TR
dc.subjectMakine ö grenmetr_TR
dc.subjectMetin madenciliğitr_TR
dc.subjectÖznitelik çıkartmatr_TR
dc.titleBitcoin Movement Prediction With Text Miningen_US
dc.title.alternativeMetin Madencili?i ile Bitcoin Hareket Yönü Tahminien_US
dc.typeConference Objecten_US
dc.departmentFaculties, Faculty of Engineering, Department of Computer Engineeringen_US
dc.departmentFakülteler, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümütr_TR
dc.identifier.startpage1
dc.identifier.endpage4
dc.identifier.scopus2-s2.0-85050819275en_US
dc.institutionauthorÖzyer, Tansel-
dc.identifier.doi10.1109/SIU.2018.8404169-
dc.authorscopusid8914139000-
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
item.openairetypeConference Object-
item.languageiso639-1tr-
item.grantfulltextnone-
item.fulltextNo Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
crisitem.author.dept02.1. Department of Artificial Intelligence Engineering-
Appears in Collections:Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection
Show simple item record



CORE Recommender

SCOPUSTM   
Citations

1
checked on Dec 21, 2024

Page view(s)

138
checked on Dec 23, 2024

Google ScholarTM

Check




Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.