論文の概要: ETGraph: A Pioneering Dataset Bridging Ethereum and Twitter

• arxiv url: http://arxiv.org/abs/2310.01015v1
• Date: Mon, 2 Oct 2023 09:07:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 22:41:46.951746
• Title: ETGraph: A Pioneering Dataset Bridging Ethereum and Twitter
• Title（参考訳）: ETGraph:EthereumとTwitterを橋渡しするピアネリングデータセット
• Authors: Qian Wang, Zhen Zhang, Zemin Liu, Shengliang Lu, Bingqiao Luo, Bingsheng He
• Abstract要約: ETGraphは、Twitterと直接リンクする新しいデータセットで、この種の最初の、そして最大のデータセットをマークしている。 ETGraphの詳細な統計分析では、Twitterにマッチしたアドレスと非Twitterにマッチしたアドレスの構造的な違いが強調されている。
• 参考スコア（独自算出の注目度）: 37.079454505997155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While numerous public blockchain datasets are available, their utility is constrained by a singular focus on blockchain data. This constraint limits the incorporation of relevant social network data into blockchain analysis, thereby diminishing the breadth and depth of insight that can be derived. To address the above limitation, we introduce ETGraph, a novel dataset that authentically links Ethereum and Twitter, marking the first and largest dataset of its kind. ETGraph combines Ethereum transaction records (2 million nodes and 30 million edges) and Twitter following data (1 million nodes and 3 million edges), bonding 30,667 Ethereum addresses with verified Twitter accounts sourced from OpenSea. Detailed statistical analysis on ETGraph highlights the structural differences between Twitter-matched and non-Twitter-matched Ethereum addresses. Extensive experiments, including Ethereum link prediction, wash-trading Ethereum addresses detection, and Twitter-Ethereum matching link prediction, emphasize the significant role of Twitter data in enhancing Ethereum analysis. ETGraph is available at https://etgraph.deno.dev/.
• Abstract（参考訳）: 多くのパブリックブロックチェーンデータセットが利用可能だが、そのユーティリティはブロックチェーンデータに特化して制限されている。 この制約は、関連するソーシャルネットワークデータのブロックチェーン分析への取り込みを制限するため、導出可能な洞察の幅と深さを減少させる。 上記の制限に対処するため、ETGraphを紹介します。これはEthereumとTwitterを直交する新しいデータセットで、この種の最初の、そして最大のデータセットです。 ETGraphはEthereumトランザクションレコード(200万ノード、3000万エッジ)とTwitterに続くデータ(100万ノード、300万エッジ)を組み合わせて,3067のEthereumアドレスと,OpenSeaからの認証されたTwitterアカウントを結合する。 etgraphに関する詳細な統計分析では、twitterとtwitterにマッチしないethereumアドレスの構造的な違いが強調されている。 Ethereumリンク予測、ハッシュトレーディングEthereumアドレス検出、Twitter-Ethereumマッチングリンク予測などの大規模な実験は、Ethereum分析の強化におけるTwitterデータの重要性を強調している。 ETGraphはhttps://etgraph.deno.dev/.comで入手できる。

関連論文リスト

• The Future of MEV [0.0]
  実行チケット(Execution Tickets)は、プロトコルが実行ペイロードの提案に関連する値を配布する方法を再定義する新しいチケット発行メカニズムである。 この革新的なアプローチにより、プロトコルは、伝統的にバリデータのための外部収益源であるMaximal Extractable Value(MEV)を直接ブローカーすることができる。 この分析によると、Execution Ticketシステムはエコシステム内の価値のより公平な分散を促進し、よりセキュアで経済的に堅牢なブロックチェーンネットワークを実現することができる。
  論文  参考訳（メタデータ） (2024-03-05T21:11:16Z)
• Analyzing Reward Dynamics and Decentralization in Ethereum 2.0: An Advanced Data Engineering Workflow and Comprehensive Datasets for Proof-of-Stake Incentives [5.18461573800406]
  スマートコントラクトブロックチェーンプラットフォームであるProof-of-Stake 2.0は、サードパーティの介入なしにアプリケーションの正確な実行を保証する。 本研究では,Beacon 連鎖からコンセンサス報酬データを収集し,報酬分布と進化の包括的解析を行う。 PoSの分散度を評価するために、シャノンエントロピー、ジーニ指数、中本係数、ヘルフィンダール・ヒルシュマン指数(HHI)などの不等式指標を適用した。
  論文  参考訳（メタデータ） (2024-02-17T02:40:00Z)
• arXiv4TGC: Large-Scale Datasets for Temporal Graph Clustering [52.63652741011945]
  我々は、時間グラフクラスタリングのための新しい学術データセットであるarXiv4TGCを構築した。 特に、最大のデータセットであるarXivLargeには、13万のラベル付き利用可能なノードと1000万の時間エッジが含まれている。 arXiv4TGCのクラスタリング性能は、異なるモデルを評価する上でより明白である。
  論文  参考訳（メタデータ） (2023-06-08T06:37:04Z)
• Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem of Tokens in Ethereum and in the Binance Smart Chain (BNB) [50.888293380932616]
  トークンと流動性のプールの生態系を研究する。 トークンの約60%が1日以内でアクティブであることが分かりました。 1日間の暴走が2億4000万ドルという利益を生み出したと見積もっている。
  論文  参考訳（メタデータ） (2022-06-16T14:20:19Z)
• Dimensionality reduction for prediction: Application to Bitcoin and Ethereum [0.0]
  本研究の目的は,暗号通貨間のリンクを確立するために,次元還元技術の性能を評価することである。 私たちは、最も取引された2つの暗号通貨、BitcoinとBitcoinに分析を集中させました。 われわれは、Bitcoinの機能を組み込んだ予測リターンのパフォーマンスを測定した。
  論文  参考訳（メタデータ） (2021-12-30T12:44:50Z)
• Node Feature Extraction by Self-Supervised Multi-scale Neighborhood Prediction [123.20238648121445]
  我々は、新しい自己教師型学習フレームワーク、グラフ情報支援ノード機能exTraction (GIANT)を提案する。 GIANT は eXtreme Multi-label Classification (XMC) 形式を利用しており、これはグラフ情報に基づいた言語モデルの微調整に不可欠である。 我々は,Open Graph Benchmarkデータセット上での標準GNNパイプラインよりもGIANTの方が優れた性能を示す。
  論文  参考訳（メタデータ） (2021-10-29T19:55:12Z)
• Self-supervised Incremental Deep Graph Learning for Ethereum Phishing Scam Detection [15.350215512903361]
  グラフニューラルネットワーク(GNN)は、様々なノード分類タスクにおいて有望な性能を示している。 実世界の複雑なグラフに自然に抽象化できるトランザクションデータでは、ラベルの不足と大量のトランザクションデータがGNNの手法を利用するのを困難にしている。 フィッシング詐欺検出問題に対する自己教師付きインクリメンタルグラフ学習モデル(SIEGE)を提案する。
  論文  参考訳（メタデータ） (2021-06-18T15:06:26Z)
• GraphMI: Extracting Private Graph Data from Graph Neural Networks [59.05178231559796]
  GNNを反転させてトレーニンググラフのプライベートグラフデータを抽出することを目的とした textbfGraph textbfModel textbfInversion attack (GraphMI) を提案する。 具体的には,グラフ特徴の空間性と滑らかさを保ちながら,グラフエッジの離散性に対処する勾配モジュールを提案する。 エッジ推論のためのグラフトポロジ、ノード属性、ターゲットモデルパラメータを効率的に活用するグラフ自動エンコーダモジュールを設計する。
  論文  参考訳（メタデータ） (2021-06-05T07:07:52Z)
• Efficient Graph Deep Learning in TensorFlow with tf_geometric [53.237754811019464]
  グラフ深層学習のための効率的でフレンドリなライブラリであるtf_geometricを導入する。 tf_geometricは、人気のあるGNNの実装と同様に、グラフニューラルネットワーク(GNN)を構築するためのカーネルライブラリを提供する。 カーネルライブラリは、グラフデータ構造、グラフマップ-リデュースフレームワーク、グラフミニバッチ戦略など、効率的なGNNを構築するためのインフラストラクチャで構成されている。
  論文  参考訳（メタデータ） (2021-01-27T17:16:36Z)
• Blockchain is Watching You: Profiling and Deanonymizing Ethereum Users [0.0]
  擬似識別子に基づくユーザプロファイリング手法を提案し,実装する。 機密トランザクションオーバレイに適用可能な,Danaan-gift攻撃の変種である悪意のあるバリューフィンガープリント攻撃について述べる。
  論文  参考訳（メタデータ） (2020-05-28T14:33:32Z)

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。