大規模言語モデルを活用した感情分析：DecentralandのMANAトークンのマルチモーダル分析

メタバースと暗号通貨の交差点において、新たな研究がコミュニティ感情データを用いて仮想世界トークンの価格予測を試みている。Decentralandは拡大するメタバースエコシステム内で動作する分散型仮想現実プラットフォームであり、そのネイティブトークンMANAは仮想資産取引とガバナンスに利用される。本研究では、Discordコミュニティの感情とマルチモーダルな財務データを統合し、仮想世界経済における暗号通貨価格予測を強化することを目的としている。研究チームはまずBERTベースの大規模言語モデルを用いてDiscordのチャットログから感情スコアを抽出し、コミュニティ感情がおおむね中立でややポジティブであることを発見した。次に、二つのLSTMアーキテクチャを設計：ベースラインモデルは過去の価格系列のみを使用し、マルチモーダルモデルは感情スコア、取引量、時価総額を統合した。実験結果は、マルチモーダルモデルがMANAトークンのリターン予測においてベースラインを大幅に上回る精度を示した。この発見は、コミュニティ由来のシグナルが暗号通貨予測に有効な情報を提供できることを示している。研究者は、この研究が没入型仮想環境、自然言語処理、暗号通貨市場分析の交差点における将来の学際的研究の基盤を築くと述べている。本論文はXintong Wuら6名の著者により執筆され、2026年4月4日にarXivに提出され、計算と言語（cs.CL）カテゴリに収録されている。メタバース経済が発展するにつれ、このようなマルチモーダル分析手法はより広範なデジタル資産予測に応用される可能性がある。論文ではデータ収集からモデル構築、実験評価の全プロセスが詳細に説明されており、仮想経済予測におけるコミュニティシグナルの可能性が強調されている。