探索Decentraland经济：多面地块属性、关键洞察与基准测试
机器学习
2025-03-04 v3 人工智能
新兴技术
摘要
本文提出了一个全面的Decentraland地块数据集，称为IITP-VDLand，该数据集来源于多个平台，如Decentraland、OpenSea、Etherscan、Google BigQuery和各种社交媒体平台。与现有属性有限且记录有限的数据集不同，IITP-VDLand提供了丰富的属性数组，包括地块特征、交易历史、过往活动、交易和社交媒体互动。同时，我们在数据集中引入了一个关键属性，即稀有度分数，它衡量了虚拟世界中每个地块的独特性。针对这些数据分散在不同来源所带来的重大挑战，我们采用了一种系统方法，利用可用的API和自定义脚本来收集数据。随后，我们精心整理和组织信息，将其分为四个不同的片段：(1)特征，(2)OpenSea交易历史，(3)以太坊活动交易，以及(4)社交媒体。我们设想该数据集将作为训练机器学习和深度学习模型的强大资源，这些模型专门用于解决Decentraland地块领域的现实挑战。在我们的数据集上对超过20种最先进的价格预测模型进行性能基准测试，取得了令人鼓舞的结果，Extra Trees回归器和分类器分别达到了0.8251的最大R²分数和74.23%的准确率。关键发现表明，对于我们的数据集，集成模型的性能优于深度学习和线性模型。我们观察到坐标、地理邻近性、稀有度分数以及其他一些经济指标对地块价格预测有显著影响。
引用
@article{arxiv.2404.07533,
title = {Exploring the Decentraland Economy: Multifaceted Parcel Attributes, Key Insights, and Benchmarking},
author = {Dipika Jha and Ankit K. Bhagat and Raju Halder and Rajendra N. Paramanik and Chandra M. Kumar},
journal= {arXiv preprint arXiv:2404.07533},
year = {2025}
}