一种基于多源数据空间的区块链数据分析方法技术

本发明专利技术涉及一种基于多源数据空间的区块链数据分析方法，包括如下步骤：获取公开通证的历史每日价值数据Value

【技术实现步骤摘要】
一种基于多源数据空间的区块链数据分析方法


[0001]本专利技术涉及区块链领域，特别涉及一种基于多源数据空间的区块链数据分析方法。

技术介绍

[0002]现有区块链技术作为近年来信息技术体系的一个重要组成部分，已经成为金融科技的底层支持技术，它也将会成为未来信息技术发展的主要趋势之一。随着区块链技术的快速发展，与区块链相关的大量数据也亟待挖掘分析，多源数据空间作为一种多尺度、多时相、多类型的空间数据，可以很好地应用其中。
[0003]与此同时，以区块链为底层技术的通证也取得了巨大成功，尽管近年来通证的总市值大幅增加，它们仍然都经历着巨大的价值波动。由于通证缺乏治理且存在匿名性，很可能存在市场操纵，有极大的泡沫产生。市场操纵使有影响力的个人受益，使他们能够从其他加密资产所有者那里获得不公平的利润。

技术实现思路

[0004]针对现有技术存在的上述问题，本专利技术要解决的技术问题是：无法全面地分析通证平台上是否存在市场操纵。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：
[0006]一种基于多源数据空间的区块链数据分析方法，包括如下步骤：
[0007]S100：获取公开通证的历史每日价值数据Value
i
，通证的社交媒体数据SMD
i
和通证的账户信息，其中，通证的账户信息分为持有大量通证的鲸鱼账户whale
i
和异常账户abnormal
i
；
[0008]所有Value
i
组成价值库DB
p
，定义价值库DB
p
为价值数据空间S
Value
，其中价值库DB
p
为MySQL类型数据库；
[0009]根据SMD
i
构建社交媒体数据空间S
smd
，S
smd
中包含事件库DB
t
、事件结果库DB
a
和主题词库DB
w
；
[0010]根据whale
i
和abnormal
i
构建账户数据空间S
user
，其中包含账户库DB
u
，区块链行为库DB
e
；
[0011]S200：将社交媒体数据空间S
smd
中的所有数据分为k组，每组表示一个相关类别，并分别计算k组数据对通证价值的影响程度；
[0012]S300：根据账户数据空间S
user
中的账户库DB
u
和区块链行为库DB
e
，将所有账户进行降序排列，定义前W个账户为鲸鱼账户，并计算鲸鱼账户whale
i
对通证价值的影响程度；
[0013]找出abnormal
i
与异常区块链行为之间的关系；
[0014]S400：根据价值数据空间S
Value
中的价值库DB
p
，预设泡沫持续时间的临界阈值t，使用泡沫评估模型得出泡沫出现和泡沫出现持续的时间t，泡沫出现即表示存在市场操纵问题。
[0015]作为优选，所述S200中对社交媒体数据空间S
smd
中的所有数据进行分组的方法为开放式卡片分类方法，具体分组步骤如下：
[0016]S210：通过随机筛选函数f(random_selection)，得到首轮随机数据计算表达式如下：
[0017][0018]其中，0.2表示筛选比例；
[0019]S220：对中的数据进行分组，组号表示为：
[0020][0021]S230：计算除首轮随机数据以外的数据计算表达式如下：
[0022][0023]S240：对中的数据进行分组，组号表示为：
[0024][0025]开放卡片排序通常用于分类没有预定义组的数据，用户可以按照自己的方式分类卡片和命名某一类卡片，具备便捷性、且易于理解。
[0026]作为优选，所述S200中分别计算k组数据对通证价值的影响程度的具体步骤如下：
[0027]将k组数据分为g个类别，得到总类别groups；
[0028]计算每个类别对通证的影响程度，表达式如下：
[0029]groups_impact[i]＝group_frequency[i]×
group_weight[i][0030][0031]其中，n
i
是groups中第i个类别对应的数量，g是类别的总数；
[0032][0033]其中，m
i
是S
smd
中数据对通证每日价值所造成的上升或下降。
[0034]使用该种计算方法属于定量分析，能够准确找出哪个群体对价值波动的贡献最大。
[0035]作为优选，所述S300中计算鲸鱼账户whale
i
对通证价值的影响程度的步骤如下：
[0036]S310：查询账户数据空间S
user
，得到账户集合whale＝f(search，100)；
[0037]其中，f(search，n)＝Query(DB
u
，DB
e
)，其中Query为GoogleBigQuery，n为搜索个数；
[0038]S320：检查所有账户的历史区块链行为，对排名前W的鲸鱼用户持有通证的百分比进行统计分析，然后计算出鲸鱼账户whale
i
对通证价值的影响程度。
[0039]使用这种方法能够判断所研究的通证中是否存在一定程度的集中化控制，也能反映出用户操纵价值的难易程度。
[0040]作为优选，所述S300中找出abnormal
i
与异常区块链行为之间的关系的步骤如下：
[0041]查询账户数据空间S
user
，若某一账户在通证价值大幅波动的前n天存在“大幅波动”的区块链行为，则认为该“大幅波动”为“异常区块链行为”；波动幅度可以通过f(judge_e，DB
e
(i))账户进行计算，其中，
[0042][0043]其中DB
e
(i)代表第i个账户对应的区块链行为情况，abnormal_e代表区块链行为异常，amount
large
代表设定的波动阈值；
[0044]通过f(judge_u，DB
e
)判断账户是否为异常账户，其中
[0045]其中，DB
e
(i)代表第i个账户对应的区块链行为情况，abnormal_u代表账户异常，min代表该账户的最小剩余价值，max代表该账户的最大剩余价值。
[0046]作为优选，所述S400中泡沫评估模型的使用方法如下：
[0047]利用价值库DB
p
中的数据，使用f(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据空间的区块链数据分析方法，其特征在于：包括如下步骤：S100：获取公开通证的历史每日价值数据Value
i
，通证的社交媒体数据SMD
i
和通证的账户信息，其中，通证的账户信息分为持有大量通证的鲸鱼账户whale
i
和异常账户abnormal
i
；所有Value
i
组成价值库DB
p
，定义价值库DB
p
为价值数据空间S
Value
，其中价值库DB
p
为MySQL类型数据库；根据SMD
i
构建社交媒体数据空间S
smd
，S
smd
中包含事件库DB
t
、事件结果库DB
a
和主题词库DB
w
；根据whale
i
和abnormal
i
构建账户数据空间S
user
，其中包含账户库DB
u
，区块链行为库DB
e
；S200：将社交媒体数据空间S
smd
中的所有数据分为k组，每组表示一个相关类别，并分别计算k组数据对通证价值的影响程度；S300：根据账户数据空间S
user
中的账户库DB
u
和区块链行为库DB
e
，将所有账户进行降序排列，定义前W个账户为鲸鱼账户，并计算鲸鱼账户whale
i
对通证价值的影响程度；找出abnormal
i
与异常区块链行为之间的关系；S400：根据价值数据空间S
Value
中的价值库DB
p
，预设泡沫持续时间的临界阈值t，使用泡沫评估模型得出泡沫出现和泡沫出现持续的时间t，泡沫出现即表示存在市场操纵问题。2.如权利要求1所述的一种基于多源数据空间的区块链数据分析方法，其特征在于：所述S200中对社交媒体数据空间S
smd
中的所有数据进行分组的方法为开放式卡片分类方法，具体分组步骤如下：S210：通过随机筛选函数f(random_selection)，得到首轮随机数据计算表达式如下：其中，0.2表示筛选比例；S220：对中的数据进行分组，组号表示为：S230：计算除首轮随机数据以外的数据计算表达式如下：S240：对中的数据进行分组，组号表示为：3.如权利要求3所述的一种基于多源数据空间的区块链数据分析方法，其特征在于：所述S200中分别计算k组数据对通证价值的影响程度的具体步骤如下：将k组数据分为g个类别，得到总类别gr...

【专利技术属性】
技术研发人员：鲍凌峰，陈嘉弛，鄢萌，温莉，夏鑫，杨小虎，胡予星，
申请(专利权)人：重庆大学，
类型：发明
国别省市：