Deciphering Crypto Twitter

加密货币是一个快速发展的领域，每年都有大量新项目涌现。然而，该领域发生的越来越多的事件，例如黑客攻击和安全漏洞，威胁着社区的增长和技术的发展。这个动态而常常动荡的领域在加密货币 Twitter 内部得到了生动的反映和塑造，这是一个重要的数字领域，投资者、爱好者和怀疑者在这里汇聚，通过社交媒体互动揭示实时情感和趋势。我们提供了一份关于加密货币领域形成期间 Twitter 数据集的分析报告。我们使用与加密货币相关的关键词收集了 4000 万条推文，并进行了细致的分析，包括将推文按语义相似性分组和构建推文和用户网络。我们使用句子级嵌入和自动编码器创建了 K-means 推文聚类，并确定了六组推文及其主题，以研究不同的加密货币相关兴趣和情感变化。此外，我们发现了情感指标，指向加密货币世界中的现实事件，例如 2022 年 11 月的 FTX 事件。我们还通过考虑回复和引用关系构建和分析了数据集中不同的推文和用户网络，并分析了每个网络的最大组件。我们的网络揭示了 Crypto Twitter 中机器人活动的结构，并建议可以使用基于网络的方法来检测和处理它们。我们的工作揭示了利用社交媒体信号检测和理解加密货币事件的潜力，使投资者、监管机构和好奇的观察者受益，同时也揭示了使用基于网络的方法检测 Crypto Twitter 中机器人的潜力。

本文旨在利用社交媒体信号探测和理解加密货币事件，以及使用基于网络的方法检测Crypto Twitter中的机器人活动。

本文使用句子级嵌入和自编码器创建K-means聚类，将推文分组，并识别了六组推文及其主题，以研究不同的加密货币相关兴趣和情感变化。此外，作者通过考虑回复和引用关系构建和分析了不同的推文和用户网络，并发现了Crypto Twitter中的机器人活动结构。

本文使用40万条推文数据集进行了实验，并使用句子级嵌入和自编码器创建K-means聚类，将推文分组，并识别了六组推文及其主题，以研究不同的加密货币相关兴趣和情感变化。作者还发现情感指标可以指向加密货币世界中的现实事件。此外，作者构建和分析了不同的推文和用户网络，发现Crypto Twitter中的机器人活动结构，并提出了一种基于网络的方法来检测和处理它们。

在这个领域中，最近的相关研究包括“基于社交媒体的加密货币市场情感分析”和“使用深度学习方法分析加密货币市场情感”。