論文の概要: ETGraph: A Pioneering Dataset Bridging Ethereum and Twitter
- arxiv url: http://arxiv.org/abs/2310.01015v2
- Date: Tue, 17 Oct 2023 03:03:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 20:18:04.143512
- 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
- BotArtist: Twitter bot detection Machine Learning model based on Twitter
suspension [50.4515540006269]
われわれは、最近のロシアとウクライナの戦争に関する900万人のユーザーから生まれた、Twitter上の難解で多言語的なソーシャル談話のデータセットを集めている。
我々は最先端のXGBoostモデルを用いて,ボット検出のための新しいMLモデルを構築した。
Botometerと比較して、我々の手法は、2つの実ケースシナリオデータセットよりも平均11%高いROC-AUCスコアを達成する。
論文 参考訳(メタデータ) (2023-05-31T09:12:35Z) - Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem
of Tokens in Ethereum and the Binance Smart Chain (BNB) [63.36515347329037]
トークンと流動性のプールのエコシステムを調査し、両方のブロックチェーン間の類似点と相違点を強調します。
トークンの寿命を見積もると、約60%のトークンが1日以内でアクティブであることが分かりました。
我々は、出口詐欺の詐欺を提示し、両方のブロックチェーン上でその頻度を定量化する。
論文 参考訳(メタデータ) (2022-06-16T14:20:19Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳(メタデータ) (2022-05-24T16:22:40Z) - TTAGN: Temporal Transaction Aggregation Graph Network for Ethereum
Phishing Scams Detection [11.20384152151594]
既存のフィッシング詐欺検出技術は、主に機械学習またはネットワーク表現学習を使用して、トランザクションネットワークから鍵情報をマイニングし、フィッシングアドレスを識別する。
本稿では、フィッシング検出性能を向上させるための時間トランザクション集約グラフネットワーク(TTAGN)を提案する。
我々のTTAGN (92.8% AUC, 81.6% F1score) は最先端の手法よりも優れており, 時間的エッジ表現とエッジ2ノードモジュールの有効性も示されている。
論文 参考訳(メタデータ) (2022-04-28T12:17:00Z) - 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) - Ask "Who", Not "What": Bitcoin Volatility Forecasting with Twitter Data [2.9223917785251285]
我々は、Twitterの公開ソーシャルメディアデータのディープラーニング表現を使用して、比較的新しい資産クラスの暗号通貨(特にBitcoin)のボラティリティ予測に重点を置いている。
フィールドワークのために、3000万以上のBitcoin関連ツイートからセマンティック情報とユーザーインタラクション統計を抽出した。
収集した情報を組み合わせて、いくつかのディープラーニングアーキテクチャを構築しました。
論文 参考訳(メタデータ) (2021-10-27T09:55:03Z) - 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) - 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) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳(メタデータ) (2020-04-28T23:54:33Z) - GPS-Net: Graph Property Sensing Network for Scene Graph Generation [91.60326359082408]
シーングラフ生成(SGG)は、画像内のオブジェクトとそれらのペア関係を検出することを目的としている。
GPS-Netは、エッジ方向情報、ノード間の優先度の差、長期にわたる関係の分布という、SGGの3つの特性を網羅している。
GPS-Netは、VG、OI、VRDの3つの一般的なデータベース上での最先端のパフォーマンスを、さまざまな設定とメトリクスで大幅に向上させる。
論文 参考訳(メタデータ) (2020-03-29T07:22:31Z)
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。