論文の概要: GraphSense: A General-Purpose Cryptoasset Analytics Platform

• arxiv url: http://arxiv.org/abs/2102.13613v1
• Date: Fri, 26 Feb 2021 17:31:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-09 20:33:15.501208
• Title: GraphSense: A General-Purpose Cryptoasset Analytics Platform
• Title（参考訳）: GraphSense: 汎用的な暗号分析プラットフォーム
• Authors: Bernhard Haslhofer and Rainer St\"utz and Matteo Romiti and Ross King
• Abstract要約: 本稿では,GraphSense Cryptoasset Analytics Platformの設計と実装について述べる。 GraphSenseは、成長を続けるオープンソースのコンポーネントを提供することで、最終的には学術分野の科学的調査のための道具になるかもしれない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is currently an increasing demand for cryptoasset analysis tools among cryptoasset service providers, the financial industry in general, as well as across academic fields. At the moment, one can choose between commercial services or low-level open-source tools providing programmatic access. In this paper, we present the design and implementation of another option: the GraphSense Cryptoasset Analytics Platform, which can be used for interactive investigations of monetary flows and, more importantly, for executing advanced analytics tasks using a standard data science tool stack. By providing a growing set of open-source components, GraphSense could ultimately become an instrument for scientific investigations in academia and a possible response to emerging compliance and regulation challenges for businesses and organizations dealing with cryptoassets.
• Abstract（参考訳）: 現在、暗号サービスプロバイダ、金融業界全般、および学術分野における暗号分析ツールの需要が高まっている。 現時点では、商用サービスか、プログラムによるアクセスを提供する低レベルのオープンソースツールのいずれかを選択することができる。 本稿では,graphsense cryptoasset analytics platformの設計と実装について述べる。graphsense cryptoasset analytics platformは,金融フローのインタラクティブな調査や,さらに重要なのは,標準的なデータサイエンスツールスタックを使用して高度な分析タスクを実行するためのものだ。 成長するオープンソースのコンポーネントセットを提供することで、graphsenseは最終的に学界における科学調査の道具となり、暗号化アセットを扱う企業や組織に対するコンプライアンスと規制の新たな課題への対処となる可能性がある。

関連論文リスト

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• The Shape of Money Laundering: Subgraph Representation Learning on the Blockchain with the Elliptic2 Dataset [6.209290101460395]
  サブグラフ表現学習(Subgraph representation learning)は、複雑なネットワーク内の局所構造(または形状)を分析する技術である。 Bitcoinクラスタの122Kラベルのサブグラフを含むグラフデータセットであるElliptic2を紹介する。 このアプローチの即時的な実用価値と、暗号通貨における反マネーロンダリングと法医学的分析における新しい標準の可能性を見出す。
  論文  参考訳（メタデータ） (2024-04-29T21:19:41Z)
• Collaborative business intelligence virtual assistant [1.9953434933575993]
  本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。 CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
  論文  参考訳（メタデータ） (2023-12-20T05:34:12Z)
• Privacy-Preserving Graph Machine Learning from Data to Computation: A Survey [67.7834898542701]
  我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。 まずプライバシ保護グラフデータを生成する方法を検討する。 次に,プライバシ保護情報を送信する方法について述べる。
  論文  参考訳（メタデータ） (2023-07-10T04:30:23Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application of Machine Learning-based Forensics [5.617291981476445]
  本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。 これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
  論文  参考訳（メタデータ） (2022-06-07T16:22:55Z)
• Financial data analysis application via multi-strategy text processing [0.2741266294612776]
  本稿では、主に中国A株会社の株価取引データとニュースに焦点を当てる。 本稿では,自然言語処理(NLP)と知識グラフ(KG)技術を用いた金融テキスト処理アプリケーションシナリオの深層学習に向けた取り組みと計画について述べる。
  論文  参考訳（メタデータ） (2022-04-25T01:56:36Z)
• Graph Pooling for Graph Neural Networks: Progress, Challenges, and Opportunities [128.55790219377315]
  グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。 グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
  論文  参考訳（メタデータ） (2022-04-15T04:02:06Z)
• FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
  我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。 我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。 その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
  論文  参考訳（メタデータ） (2021-09-01T00:08:14Z)
• Abstracting data in distributed ledger systems for higher level analytics and visualizations [1.5381930379183162]
  本稿では,分散台帳システムの高レベル解析設計を可能にする抽象化層アーキテクチャを提案する。 既存のイニシアティブの分析と関連するユーザ要件の識別に基づいて、この作業は重要な洞察と仕様を確立することを目的としています。
  論文  参考訳（メタデータ） (2021-02-19T19:34:12Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。