ChainNet：基于拓扑特征的区块链图学习
机器学习
2019-08-21 v1 统计金融
机器学习
摘要
随着区块链技术与相关加密货币（如比特币）的出现，理解区块链图背后的网络动态已成为一个快速演进的研究方向。不同于股票与货币交易等其他金融网络，基于区块链的加密货币具有完全公开的交易图（即所有交易均可下载并分析）。一个自然的问题是，交易图的动态是否影响底层加密货币的价格。我们表明，交易图的度分布等标准图特征可能不足以捕获网络动态及其对比特币价格波动的潜在影响。相比之下，使用持续同调（persistent homology）工具计算的新型图关联拓扑特征，被发现对预测比特币价格动态具有高度效用。利用所提出的基于持续同调的技术，我们为区块链上的图表示学习提供了一种新颖、优雅、易扩展且计算轻量的方法。
引用
@article{arxiv.1908.06971,
title = {ChainNet: Learning on Blockchain Graphs with Topological Features},
author = {Nazmiye Ceren Abay and Cuneyt Gurcan Akcora and Yulia R. Gel and Umar D. Islambekov and Murat Kantarcioglu and Yahui Tian and Bhavani Thuraisingham},
journal= {arXiv preprint arXiv:1908.06971},
year = {2019}
}
备注
To Appear in the 2019 IEEE International Conference on Data Mining (ICDM)