Oct, 2023

ETGraph: 连接以太坊和推特的开创性数据集

PDF
TL;DRETGraph 是一个将 Ethereum 的交易记录和 Twitter 的关注数据进行链接的数据集，通过对其进行统计分析和一系列实验，发现 Twitter 数据在增强 Ethereum 分析方面起到了重要作用。
public blockchain datasetsetgraphethereumtwitterethereum analysis
发现论文，激发创造
  • 利用复杂网络方法对以太坊交易记录进行建模和理解

    本研究利用时间和金额特征，将以太坊交易记录建模成复杂网络，通过设计多种灵活的基于随机游走的图表征策略，证明了边的时间和多样性特征对于准确建模和理解以太坊交易网络是不可或缺的

    Dec, 2020

  • 剖析以太坊区块链分析：从拓扑和几何学角度学到了什么

    本文通过引入基于拓扑数据分析和功能数据深度的新工具，展示了以太坊网络可以提供重要见解，以评估加密货币价格动态与交易图形属性之间的关系，这是传统数据源和分析方法无法获取的。

    Dec, 2019

  • T-EDGE: 面向以太坊交易网络分析的时间加权多重有向图嵌入

    本研究通过考虑交易网络的现实规则和特性，首先将以太坊交易网络建模为一个时态加权多重有向图，然后定义时间加权多重有向图嵌入问题，在节点分类实验中证明了该方法的有效性。

    May, 2019

  • 实时图实验室：开放、动态和真实的非同质化交易图

    通过对 NFT 生态系统的时间图分析，研究了其特性、动态和潜在发展方向，并利用机器学习模型丰富现有数据集，为图数据社区提供了新的机会。

    Oct, 2023

  • 区块链正在监视您：对以太坊用户进行特征描述和去匿名化

    本文分析了以太坊的账户模型的隐私问题，并使用类标识符将用户进行了匿名剖析，以此评估了 Tornado Cash 混币的隐私保障，并描述了一种可用于在以太坊上的机密交易层上的恶意价值指纹攻击。

    May, 2020

  • 基于时间和交易数量的多图快照技术，用于以太坊交易追踪

    使用以太坊交易数据作为研究对象，通过构建一个基于复杂网络的预测框架来跟踪交易记录，提高监管效率并保障区块链的安全性。

    Feb, 2021

  • TwiBot-22: 基于图的 Twitter 机器人检测

    提出了一个基于图的 Twitter 机器人检测基准 (TwiBot-22)，该基准提供了目前最大的数据集，具有更好的注释质量，并重新实现了 35 个代表性的 Twitter 机器人检测基线，以维护模型性能公正比较和研究进展的整体理解。

    Jun, 2022

  • TEG-DB: 文本 - 边缘图的综合数据集和基准

    介绍了 Textual-Edge Graphs Datasets and Benchmark (TEG-DB) 项目，它是一个包含丰富文本描述在节点和边上的大规模文本边缘数据集，并通过广泛的基准实验证明当前技术，包括预训练语言模型、图神经网络及其组合，可以有效利用文本节点和边缘信息来增强图分析并提供关于复杂真实世界网络的更深入洞察。

    Jun, 2024

  • 基于异构图神经网络的以太坊欺诈检测

    该研究比较了不同类型图神经网络模型在以太坊交易网络数据和钓鱼标签数据上的性能表现，结果表明异构模型的表现优于同构模型，尤其是 RGCN 模型在整体指标上表现最好。

    Mar, 2022

  • DGraph: 大规模金融图谱异常检测数据集

    本研究介绍了一种基于金融领域的动态图表 DGraph，其中包含约 3M 个节点和 4M 个动态边缘，通过对 DGraph 的全面观察和实验证明，DGraph 对于推进图形异 常检测研究并深入探索异常节点非常有用，同时还表明未标记的节点对于检测欺诈者也是至关重要的。

    Jun, 2022