Algoritmisk Bitcoin och Ethereums sociala uppmärksamhetslista rankar påverkare med matematik

Den 19 november tillkännagav Hive.one, ett projekt som kartlägger samhällskluster av Bitcoin och Ethereums sociala status med hjälp av matematik, lanseringen av en ny algoritmversion. Sedan förra gången Hive.one publicerade en lista förändrades poäng och rangordningar för sociala influenser och skaparna tror att de nya poängen “bättre speglar verkligheten.”

Nyligen Hive.one tillkännagav lanseringen av projektets nya algoritm (v 2.0) och sa att det var den “största förändringen av algoritmen hittills.” Hive.one karakteriserar sig själv som en plattform som matematiskt beskriver grupper av människor och webbportalen visar två listor över Bitcoin och Ethereum påverkare. Listorna genereras algoritmiskt med hjälp av data från Twitter och uppdateras var 24: e timme. Hive.one skapade till och med en Covid-19 lista baserat på epidemiologirelaterade Twitter-influenser för att bekämpa felinformation om koronavirus.

Listan över influenser som representeras på bitcoin (BTC) -sidan innehåller ett stort antal individer. De fem bästa sociala influenserna inkluderar människor som Adam Back, Pieter Wuille, Pierre Rochard, Elizabeth Stark och Jameson Lopp. Efter topp fem idag följer influencers som Stephan Livera, Matt Odell, Matt Corallo, Olaoluwa Osuntokun och Turr Demeester bakom topp fem respektive.

Algoritmisk Bitcoin och Ethereums sociala uppmärksamhetslista rankar påverkare med matematik

Listan ger också en poäng, antalet personer som påverkaren följer, hur många individer som följer lampan och en sju dagars procentsats. BTC-listan har 1 158 Twitter-konton registrerade och det finns en listan också.

Påverkare som härrör från ETH-listan inkluderar Vitalik Buterin, Evan Van Ness, Hudson Jameson, Peter Szilagyi och Hayden Adams för de fem bästa. Den sista änden av topp tio-listan inkluderar Nick Johnson, Austin Griffith, Joseph Lubin och Georgios.

Algoritmisk Bitcoin och Ethereums sociala uppmärksamhetslista rankar påverkare med matematik

Hive.one säger att det bara samlar data från Twitter-källor och utvecklarna kallar algoritmen “Peoplerank.”

“Det fungerar som den ursprungliga Pagerank”, Hive.one’s algoritmesida stater. ”I stället för att rangordna webbplatser – rankas det identiteter. Istället för att spåra länkar – spårar det uppmärksamhet. Det är också en andra ordningens mått. Det betyder att det inte bara betyder vem som uppmärksammar dig utan också vem som uppmärksammar de människor som uppmärksammar dig. Och så vidare.”

Dessutom CIO från Arcane Assets, Eric Wall, diskuterade Hive.ones nyligen uppdaterade algoritmiska lista på Twitter.

“Jag gjorde lite analys av [Hive.one] -data för att jämföra Layer 0-decentralisering mellan BTC ETH,” Wall twittrade. “Jag tänkte att Gini-koefficienterna för influencerpoängen (topp 50) skulle avslöja skillnaderna i influencer-jämlikhet (vilket jag slår vad om har en inverkan på protokollkonsensus).”

Wall tillagd ytterligare:

Detta lilla test indikerar att ETH har en något högre grad av olikhet mellan lager 0 (socialt lager). Detta kan möjligen vara ett resultat av att [Vitalik Buterin] har en mycket starkare ställning i ETH jämfört med vad [Adam Back] har i BTC, vilket influeringspoängen visar (men jag är inte säker). Det här är naturligtvis inte en fullständig bild – det är mer en idé för en metod som jag skulle vilja föreslå. Generellt sett tror jag att lagring 0-centralisering är en av [de] viktigaste aspekterna av centralisering, men vi försöker sällan mäta den.

Efter Walls tweet svarade Hive.one på analysen och sa att det finns “mycket mer som kan göras med våra data och vi uppmuntrar att skapa din egen analys.” Hive.one säger att den nya algoritmen också är “mycket snabbare när det gäller att identifiera förändringar i klustret.”

”Algoritmen har nu självkorrigerande mekanismer,” förklarade Hive.one i en tweet. ”Det kan identifiera förändringar i klustrets underliggande struktur när de inträffar och justeras därefter. Detta innebär att poängen ska bibehålla en stabil noggrannhetsnivå över tiden. Algoritmen kan nu skala upp och ner. Vi kan kartlägga underkluster inom varje kluster såväl som det superkluster det tillhör. Detta innebär att med tillräckligt med data och [beräkning] kan vi indexera hela Twitter med sina miljontals kluster, ”tillade Hive.one Twitter-konto.

Vad tycker du om Hive.ones sociala rankinglista från Twitter för Ethereum- och Bitcoin-influenser? Låt oss veta vad du tycker om detta ämne i kommentarfältet nedan.