CN113570464B - 一种数字货币交易社区识别方法、系统、设备及存储介质 - Google Patents

一种数字货币交易社区识别方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113570464B
CN113570464B CN202111043142.2A CN202111043142A CN113570464B CN 113570464 B CN113570464 B CN 113570464B CN 202111043142 A CN202111043142 A CN 202111043142A CN 113570464 B CN113570464 B CN 113570464B
Authority
CN
China
Prior art keywords
community
address
transaction
label
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111043142.2A
Other languages
English (en)
Other versions
CN113570464A (zh
Inventor
贺可太
何茜
王金山
徐晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Internet Of Things Technology Co ltd
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202111043142.2A priority Critical patent/CN113570464B/zh
Publication of CN113570464A publication Critical patent/CN113570464A/zh
Priority to NL2030770A priority patent/NL2030770B1/en
Application granted granted Critical
Publication of CN113570464B publication Critical patent/CN113570464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/381—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using identifiers, e.g. barcodes, RFIDs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Library & Information Science (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种数字货币交易社区识别方法、系统、设备及存储介质，属于交易社区识别和可视化领域，首先提取比特币原始交易记录，并对原始交易记录进行预处理，得到处理后的交易记录；采用基于中心节点的标签传播算法，对处理后的交易记录进行社区划分，得到社区划分结果；从社区划分结果中提取待分析社区，得到待展示社区；对待展示社区中的地址所参与的交易记录进行遍历，生成总边集；最后根据总边集生成社区结构图并进行展示，实现了交易社区的可视化，从而使研究者可以轻易识别各交易社区的结构和类型。

Description

一种数字货币交易社区识别方法、系统、设备及存储介质
技术领域
本发明涉及数字货币的交易社区识别和可视化领域，特别是涉及一种基于区块链的数字货币交易社区识别方法、系统、设备及存储介质。
背景技术
数字货币是一种不受管制的、数字化的货币，通常由开发者发行和管理，被特定虚拟社区的成员所接受和使用。比特币作为一种点对点交易的虚拟数字货币，具有较强的匿名性，其交易记录被矿工打包进区块链。近年来越来越多的研究者想要通过分析比特币交易记录进行实体的反匿名研究，譬如实体识别、交易模式识别、社区结构识别等。其中，在比特币交易网络社区识别的过程中，研究人员可以基于链下数据等手段获取带标签的地址集合，进而分析实体所在社区的社区类型。但通过这些带标签的地址提取交易记录，往往会由于比特币交易数量巨大，单笔交易涉及地址数量大，无法识别出比特币交易中的各个交易社区，从而导致交易数据难以可视化、可视化程度低的问题。
基于此，如何识别比特币交易社区的类型、结构以及实现对交易记录的可视化，提升交易数据的可视化程度，是目前区块链比特币交易领域中亟待解决的一个核心问题。
发明内容
本发明的目的是提供一种数字货币交易社区识别方法、系统、设备及存储介质，通过社区划分算法划分交易社区，识别交易社区类型并绘制社区结构图，以实现数字货币交易记录的可视化，提高交易数据的可视化程度，使用户可快速地识别出各个交易社区类型并获取社区骨干，解决交易数据难以可视化、可视化程度低的问题。
为实现上述目的，本发明提供了如下方案：
一方面，本发明提供了一种数字货币交易社区识别方法，包括：
提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录；
采用基于中心节点的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果；
从所述社区划分结果中提取一个待展示的社区，得到待展示社区；
对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]；
根据所述总边集生成社区结构图并进行展示，实现社区可视化。
可选的，所述提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录，具体包括：
提取区块链账本数据，并将所述区块链账本数据作为所述原始交易记录；
对所述原始交易记录进行过滤预处理，得到过滤后的交易记录；
将所述过滤后的交易记录转换为json数据格式的交易记录，得到所述处理后的交易记录。
可选的，所述采用基于中心节点的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果，具体包括：
计算交易网络中各个节点的度；所述节点的度为所述交易网络中与某一节点关联的所述边的条数；
根据各个所述节点的度的大小，选择预设比例数量的中心节点，确定所述中心节点的标签和非中心节点的标签；所述标签包括输入地址标签和输出地址标签；
对所述中心节点的标签和所述非中心节点的标签进行初始化；
对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签；
判断当前迭代次数是否等于最大迭代次数，若当前迭代次数等于最大迭代次数，则终止迭代更新，记录此时的所述社区划分结果；若当前迭代次数小于最大迭代次数，则返回步骤“对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签”，继续进行迭代更新。
可选的，所述从所述社区划分结果中提取一个待展示的社区，得到待展示社区，具体包括：
从所述社区划分结果中提取一个待展示的社区地址集，得到待展示社区地址集；
从所述原始交易记录中提取出所述待展示社区地址集中每个地址参与的交易记录，得到地址参与交易记录；
将所述待展示社区地址集以及所述地址参与交易记录作为所述待展示社区的数据。
可选的，所述对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值，具体包括：
对所述待展示社区中的地址所参与的交易记录进行遍历，在遍历时，对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的边，保存进所述总边集中，生成的所述边的数量等于输入地址数量与输出地址数量的积；
在生成所述边的过程中，在地址标签集合中查询每条边的输入地址和输出地址是否出现在地址标签集合中，即查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则将对应的地址属性值记录为缺省值，并将此地址不重复地保存进无标签地址集合；
统计已经遍历过的交易记录数量，并判断所述交易记录数量是否大于预设阈值；
当所述交易记录数量大于预设阈值时，则统计所述总边集中各种所述边的输入地址、输入地址属性、输出地址、输出地址属性以及出现次数；
当所述交易记录数量小于或等于所述预设阈值时，则进行多次迭代流程，直至所述交易记录数量大于预设阈值时为止。
可选的，所述多次迭代流程，具体包括：
遍历所有交易记录中所述无标签地址集合中的地址参与的且未曾遍历处理过的交易记录；
对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的所述边，保存进所述总边集；
在生成所述边的过程中，在地址标签集合中查询每条边的输入地址和输出地址是否出现在地址标签集合中，即查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则删除该条边，并将此地址不重复地保存进新的无标签地址集合；其中，所述新的无标签地址集合将成为下一次迭代中使用的无标签地址集合。
可选的，所述根据所述总边集生成社区结构图并进行展示，实现社区可视化，具体包括：
将所述总边集导入到Cytoscape软件中，在Cytoscape软件中将源节点设置为输入地址，将源节点属性设置为输入地址标签，将目标节点设置为输出地址，将目标节点属性设置为输出地址标签，将边属性设置为出现次数；
利用Cytoscape软件进行网络指标分析，并根据出图需求对社区结构的节点、边的样式、节点名称进行个性化设置；
根据所述个性化设置，利用Cytoscape软件生成社区结构图，并将所述社区结构图导出为所需格式进行展示。
另一方面，本发明还提供了一种数字货币交易社区识别系统，包括：
原始交易记录提取和预处理模块，用于提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录；
社区划分模块，用于利用改进的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果；
待展示社区获取模块，用于从所述社区划分结果中提取一个待展示的社区，得到待展示社区；
总边集生成模块，用于对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]；
社区结构图展示模块，用于根据所述总边集生成社区结构图并进行展示，实现社区可视化。
另一方面，本发明还提出了一种数字货币交易社区识别设备，包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，在所述计算机程序被所述处理器执行时实现如所述数字货币交易社区识别方法的步骤。
另一方面，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如所述数字货币交易社区识别方法的步骤。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本方法提供了一种数字货币交易社区识别方法、系统、设备及存储介质，采用基于中心节点的标签传播算法，对交易记录数据中的地址进行社区划分，大大减少了需要处理数据的数量，为用户精确定位其想要查看的社区的可视化部分提供了便利。本发明能够对海量的比特币交易记录进行社区划分，并对交易社区结构进行展示。相较于普通的节点-边网络，本发明通过对待展示社区中的地址所参与的交易记录进行遍历，并生成总边集，能够减少最终绘制出的社区结构图的边数，有效提升了社区结构图的可读性。本发明在实现比特币交易社区的识别和划分，以及交易记录数据的可视化的前提下，还保证了较高的可视化程度，用户可快速识别出比特币交易社区的类型和结构。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本发明的主旨。
图1为本发明实施例1提供的数字货币交易社区识别方法的流程图；
图2为本发明实施例1提供的基于中心节点的标签传播算法进行社区划分的流程图；
图3为本发明实施例1提供的多次迭代流程的流程图；
图4为本发明实施例1提供的数字货币交易社区识别方法的数据处理流程图；
图5为本发明实施例2提供的数字货币交易社区识别系统的结构框图；
图6为本发明实施例3提供的数字货币交易社区识别设备的结构框图；
图7为本发明实施例4提供计算机可读存储介质的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如本发明和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本发明对根据本发明的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本发明中使用了流程图用来说明根据本发明的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本发明的目的是提供一种数字货币交易社区识别方法、系统、设备及存储介质，通过识别出交易社区并生成社区结构图，可显示出社区内各个地址之间的联系，实现了数字货币交易记录的可视化，提高了交易数据的可视化程度，使用户可轻易识别出各个交易地址社区，解决了因为算力受限或者交易数量过多而导致的难以将交易数据可视化、可视化程度低的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提出了一种数字货币交易社区识别方法，该方法具体包括以下步骤：
步骤S1、提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录。具体包括：
步骤S1.1、提取区块链账本数据，并将所述区块链账本数据作为所述原始交易记录；
步骤S1.2、对所述原始交易记录进行过滤预处理，得到过滤后的交易记录；
步骤S1.3、将所述过滤后的交易记录转换为json数据格式的交易记录，得到所述处理后的交易记录。
步骤S2、采用基于中心节点的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果。
如图2所示，本发明采用的基于中心节点的标签传播算法，具体步骤包括：
步骤S2.1、计算交易网络中各个节点的度。其中，节点的度即节点的关联度，表示在交易网络中与某一节点关联的边的条数。
步骤S2.2、根据各个所述节点的度的大小，选择预设比例数量的中心节点，确定所述中心节点的标签和非中心节点的标签；所述标签包括输入地址标签和输出地址标签。
容易理解的是，在比特币交易网络中，一个节点的度越高，说明节点的连边越多，即有更多的边与该节点连接，则表明该节点的重要程度也就越高，本实施例中利用这一原理选择中心节点，能够选择出关联性强、较为重要的中心节点。通过选择中心节点，能够利用中心节点在标签传播的时候降低传播的随机性，通过中心节点的邻居节点在更新标签时有所跟随和参照。
本实施例中，从包含中心节点和非中心节点的所有节点中选择0.05％数量的节点作为中心节点，划分社区后，各个社区的中心节点的标签表征各个社区的属性。应说明的是，中心节点的数量是根据需求按照预设比例数量进行选择的，本实施例中选择的0.05％的比例是一个优选值，并不是固定、不变的。因此，中心节点的数量、选择的具体比例可根据实际情况自行设定。
步骤S2.3、对所述中心节点的标签和所述非中心节点的标签进行初始化。初始化的目的是为每个节点分配一个标签来代表其各自所在社区的属性。
步骤S2.4、对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签；
步骤S2.5、判断当前迭代次数t是否等于最大迭代次数，即是否达到最大迭代次数，若当前迭代次数等于最大迭代次数，则终止迭代更新，记录此时的所述社区划分结果；若当前迭代次数小于最大迭代次数，则令t＝t+1，并返回步骤“对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签”，继续进行迭代更新。
本实施例中将最大迭代次数设置为10次，将其作为终止迭代更新的条件，当前迭代次数t达到最大迭代次数后，立即停止迭代更新，此时的划分结果则为最终的社区划分结果。可以理解的是，本实施例将最大迭代次数设置为10次，这仅仅是一个优选值，最大迭代次数的具体数值不是固定的、唯一的，可根据实际情况自行设定。
本发明采用基于中心节点的标签传播算法，对交易记录数据中的地址进行社区划分，大大减少了需要处理数据的数量，降低了工作量，为用户精确定位其想要查看的社区的可视化部分提供了便利，更快速、精准、直观地识别出各个交易社区。同时，中心节点和非中心节点的提取和标签确定，能够展现社区的重要节点和不重要节点，从而能够反映出交易社区中主要的社会关系。
步骤S3、从所述社区划分结果中提取一个待展示的社区，得到待展示社区。具体包括：
步骤S3.1、从所述社区划分结果中选择一个待展示的社区地址集，得到待展示社区地址集，所述待展示社区地址集指的是由多个地址数据组成地址集合的待展示的社区。
步骤S3.2、从所述原始交易记录中提取出所述待展示社区地址集中每个地址参与的交易记录，得到地址参与交易记录；
步骤S3.3、将所述待展示社区地址集以及所述地址参与交易记录作为所述待展示社区的数据。
步骤S4、对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，地址标签集合就是总边集中包含地址和标签数据的集合，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]。
步骤S4具体包括：
步骤S4.1.1、对所述待展示社区中的地址所参与的交易记录进行遍历，在遍历时，对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的边，保存进所述总边集中，生成的所述边的数量等于输入地址数量与输出地址数量的积；将所述地址标签集合中的每一输入地址和每一输出地址分别作为两个端点，连接两个所述端点形成一条所述边；
步骤S4.1.2、在生成所述边的过程中，在地址标签集合中查询每条边的输入地址和输出地址是否出现在地址标签集合中，也就是说，查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则将对应的地址属性值记录为缺省值，并将此地址不重复地保存进无标签地址集合；
步骤S4.1.3、统计已经遍历过的交易记录数量，并判断所述交易记录数量是否大于预设阈值；
当所述交易记录数量大于预设阈值时，则统计所述总边集中各种所述边的输入地址、输入地址属性、输出地址、输出地址属性以及出现次数；
当所述交易记录数量小于或等于所述预设阈值时，则进行多次迭代流程，直至所述交易记录数量大于预设阈值时为止，停止迭代，并统计此时所述总边集中各种所述边的输入地址、输入地址属性、输出地址、输出地址属性以及出现次数。
在生成总边集后，本实施例将保存的所述总边集的数据导出，导出的数据格式为csv格式，以便于在步骤S5中将其导入到Cytoscape软件中生成社区结构图。
其中，所述边为社区划分时将每一输入地址和每一输出地址作为两个端点连接后得到的。所述总边集就是所述边的数据集，包括各个边的输入地址、输入地址属性、输出地址、输出地址属性以及出现次数等数据。其中，输入地址属性包括输入地址和标签；输出地址属性包括输出地址和标签。对于输入地址和输出地址，比特币地址是一串由字母和数字组成的字符串，一个地址对应着一个实体，一个实体可以拥有许多个地址。而标签是研究人员通过链下痕迹或其他等手段对该地址打上的标签，一般是指地址对应的实体。本发明中，对于一条边，输入地址属性为输入地址和标签这两个属性其中之一，即有标签则输入地址属性值为标签，没有标签则输入地址属性值为地址。同理，输出地址属性为输出地址和标签这两个属性其中之一，即有标签则输出地址属性值为标签，没有标签则输出地址属性值为地址。
其中，所述多次迭代流程就是将上述过程进行多次迭代处理，具体包括：
(1)遍历所有交易记录中所述无标签地址集合中的地址参与的且未曾遍历处理过的交易记录；
(2)对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的所述边，保存进所述总边集；
(3)在生成所述边的过程中，判断在地址标签集合中的每条边的输入地址和输出地址是否出现在地址标签集合中，即查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则删除该条边，并将此地址不重复地保存进新的无标签地址集合；其中，所述新的无标签地址集合将成为下一次迭代中使用的无标签地址集合。
如图3所示，简单来说，本实施例在多次迭代时，首先选取输入地址或输出地址出现第n次未标记地址集合中的地址的交易记录；将每一输入地址和每一输出地址分别作为两个端点，连接两个所述端点形成一条所述边，对于每笔所述输入地址或所述输入地址中出现了待展示社区地址集中的地址的交易记录进行处理，将该笔交易记录的m个输入地址和n个输出地址处理成m×n条边；判断每条所述边的端点是否出现在地址标签集合中；若端点未出现在地址标签集合中，则将该端点地址保存进第n+1次未标记地址集合；若端点出现在地址标签集合中，则将有标签的地址对应的端点值改为标签值，然后将该边保存进总边集。
本发明采用多次迭代处理算法，由于社区结构图是以最终导出的总边集为基础生成的，因此，多次迭代处理算法能够使用户灵活地调节边记录，从而可灵活地设置社区结构图的边数，同时社区结构图又涉及到交易数量，以便获得不同大小的社区结构，从而满足社区结构的不同大小的需求。
本发明通过对待展示社区中的地址所参与的交易记录进行遍历，以及对各种边的出现次数的统计和总边集的构建，能够灵活设置总边集中的边的数量，从而可减少绘图的边数，使最终得到的社区结构图的边数更少，社区结构图更加精简，进而有效提升了社区结构图的可读性，使读取效果更佳。
步骤S5、根据所述总边集生成社区结构图并进行展示，实现社区可视化。具体包括：
步骤S5.1、将csv格式的总边集导入到Cytoscape软件中，在Cytoscape软件中进行绘图设置，将源节点设置为输入地址，将源节点属性设置为输入地址标签，将目标节点设置为输出地址，将目标节点属性设置为输出地址标签，将边属性设置为出现次数。
步骤S5.2、利用Cytoscape软件进行复杂网络指标分析，并根据出图需求对社区结构的节点、边的样式、节点名称等等进行个性化设置，实现对社区结构的布局的自定义，从而满足对不同类型的社区结构图的需求。
需要说明的是，复杂网络指标分析是利用Cytoscape软件自带的分析功能实现的，主要对导入的csv格式的总边集的绘图进行初步分析。此外，对社区结构的布局以及个性化设置，包括但不限于社区结构的节点、边的样式、节点名称，还包括图的边、点的颜色、粗细、大小、形状等等，可根据操作人员自身的需求自行设置。个性化设置的目的是为了满足不同人对于绘图美观、可读性的不同需求，从而可根据个性化设置生成符合用户需求的社区结构图。
步骤S5.3、根据所述个性化设置，利用Cytoscape软件生成社区结构图，并将所述社区结构图导出为所需格式，例如SIF、PNG、PDF等各种不同的格式，社区结构图展示时主要展示中心节点所在社区及其对外联系节点的社区结构。
本发明将总边集导入到Cytoscape软件中，并利用总边集中的数据信息绘制、生成社区结构图。Cytoscape是一款功能强大的网络图编辑软件，采用图形化显示网格的方式进行分析和编辑，主要功能包括构建网格、设计和图形绘制等等，支持TXT、SIF、GML等多种网格描述格式，可导出SIF、PNG、PDF等各种不同格式的成品图，具有性能强、支持各种格式的优点。本发明借助Cytoscape软件可绘制出可读性高、可视化程度高的社区结构图，满足人们对交易社区可视化的需求。
本发明提出的数字货币交易社区识别方法，主要由社区识别、数据处理以及社区展示三大部分组成。其中，社区识别的具体过程就是上述步骤S2中整个过程，而社区展示的具体过程是上述步骤S5的内容。
下面针对本发明方法中的整个数据处理过程进行详细说明：
如图4所示，数据处理过程主要包括原始交易数据的提取、处理，以及待展示社区地址集参与的交易记录的处理。其中，原始交易数据的提取，是对提取的原始交易数据进行选择和过滤的预处理，并处理转换成json数据格式的交易记录T1。而原始交易数据的处理，主要包括利用改进的标签传播算法对交易数据中的地址进行社区划分，从社区划分结果中提取一个待展示社区(即社区地址集，包含多个地址数据)，以及从原始交易数据中提取出待展示的社区地址集参与的交易记录T2。
其中，对待展示社区地址集参与的交易记录T2的处理过程，具体包括：
(1)创建集合U1，集合U1用于保存第一次提取的交易记录中没有标签的输入地址和输出地址。
创建集合U2，集合U2用于保存边的记录，边记录包含四个属性：输入地址、输入地址标签、输出地址以及输出地址标签。
创建集合U3，集合U3用于保存已经处理过的交易的交易ID。
应说明的是，对于任意一笔交易，若该笔交易的交易ID出现在集合U3中，表明该笔交易为已经处理过的交易，则不对该笔交易进行处理，直接跳过该笔交易；若该笔交易的交易ID未出现在集合U3中，则将其保存进集合U3。
还应说明的是，对于每笔需要处理的交易，将每笔交易的每个输入地址映射到每个输出地址，生成格式为(输入地址，输出地址)的记录。也就是说，假设A中有m个输入地址，B中有n个输出地址，则产生m×n条边记录，每条记录的格式为{(A1，B1)，(A1，B2)，…，(Ai，Bj)，…，(Am，Bn)}。其中，A表示此笔交易的输入地址集合，B表示此笔交易的输出地址集合；(Ai，Bj)表示一条从输入地址Ai指向输出地址Bj的边，故包含m个输入地址的A集合与包含n个输出地址的B集合可以生成m×n条边，m表示A中的输入地址的数量，n表示B中输出地址的数量，(Am，Bn)表示一条从输入地址Am指向输出地址Bn的边。
对于每一条边记录，若输入地址或输出地址其中至少一个带有标签，则生成一条格式为[输入地址、输入地址标签、输出地址、输出地址标签]的记录并存放至集合U2。若输入地址或输出地址均没有标签，且输入地址(或输出地址)在集合U1中未被保存，则将输入地址(或输出地址)保存进集合U1，并生成一条格式为[输入地址、未知标签、输出地址、未知标签]的记录。
(2)若集合U3中交易ID的数量N(ID)＜第一预设阈值，或者，集合U2中边的数量N(Edge)＜第二预设阈值，此时，需要按照以下步骤提取第二次交易记录；否则，则直接跳到步骤(4)；其中，第一预设阈值为一个预设的交易笔数的值，例如10笔、20笔或者50笔等等，可自行设定，本实施例中第一预设阈值设置为10；第二预设阈值为一个预设的边数的值，例如10000条、15000条或者8000条等等，也可自行设定，本实施例中第二预设阈值设置为10000；N(ID)表示交易ID的数量，N(Edge)表示边的数量。
本实施例中提取第二次交易记录的步骤如下：
(2-1)创建集合U4，集合U4用于保存没有标签的输入地址或输出地址；
(2-2)遍历交易记录T1，若交易ID未在集合U3中出现，且输入地址或输出地址中出现了集合U1中的地址，则说明该笔交易需要处理，将该交易ID保存进集合U3；
(2-3)对于每笔需要处理的交易，将每笔交易的每个输入地址映射到每个输出地址，生成格式(输入地址，输出地址)的记录。也就是说，假设某一笔交易A中有m个输入地址，另一笔交易B中有n个输出地址，则产生m×n条边记录，每条记录的格式为{(A1，B1)，(A1，B2)，…，(Ai，Bj)，…，(Am，Bn)}。其中，A表示此笔交易的输入地址集合，B表示此笔交易的输出地址集合；(Ai，Bj)表示一条从输入地址Ai指向输出地址Bj的边，故包含m个输入地址的A集合与包含n个输出地址的B集合可以生成m×n条边，m表示A中的输入地址的数量，n表示B中输出地址的数量，(Am，Bn)表示一条从输入地址Am指向输出地址Bn的边。
(2-4)对于每一条边记录，若输入地址或输出地址其中至少一个带有标签，则生成一条格式为[输入地址、输入地址标签、输出地址、输出地址标签]的记录存放至集合U2；若输入地址或输出地址均没有标签，且判断这些输入地址或输出地址是否出现在集合U1中，若输入地址或输出地址未出现在集合U1，则将其保存进集合U4，若输入地址或输出地址出现在集合U1，不做操作。
(3)若集合U3中交易ID的数量N(ID)＜10笔或U2中边的数量N(Edge)＜10000条，则需要提取第三次交易记录，提取步骤与步骤(2)相同；否则，直接跳到步骤(4)；
(4)对于集合U2中的每条边：
(4-1)若输入地址的标签已知，则将该条记录的输入地址属性的值改成输入地址标签属性的值；若输出标签已知，则将该条记录的输出地址属性的值改成输出地址标签属性的值；
(4-2)若某一条边与另一条边的输入地址属性和输出地址属性相同，则确定这两条边属于同一种边。通过将同标签地址的多条边作为同一种边的方式，进一步减少了绘制社区结构图的边数，提高了社区结构图的可读性。统计每一种边出现的次数，保存格式为[输入地址属性值，输出地址属性值，出现次数]，并导出为csv格式文件用于上述步骤S5的绘图过程。
本发明能够对海量的比特币交易记录进行社区划分，并对交易社区结构进行展示，相较于普通的节点-边网络，本发明通过对待展示社区中的地址所参与的交易记录进行遍历，以及对各种边的出现次数的统计和总边集的构建，能够精简社区网络，在实现比特币交易社区的识别和划分，以及交易记录数据的可视化的前提下，还保证了较高的可视化程度。
实施例2
如图5所示，本实施例提供了一种数字货币交易社区识别系统，该识别系统采用的是实施例1中的数字货币交易社区识别方法，系统各个模块的功能与实施例1的方法各个步骤相同且一一对应，该系统具体包括：
原始交易记录提取和预处理模块M1，用于提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录；
社区划分模块M2，用于利用改进的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果；
待展示社区获取模块M3，用于从所述社区划分结果中提取一个待展示的社区，得到待展示社区；
总边集生成模块M4，用于对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]；
社区结构图展示模块M5，用于根据所述总边集生成社区结构图并进行展示，实现社区可视化。
实施例3
如图6所示，本实施例提供了一种数字货币交易社区识别设备，具体包括：
存储器N1、处理器N2以及存储在所述存储器中并在所述处理器上运行的计算机程序N3。
在所述计算机程序N3被所述处理器N2执行时实现如实施例1中的数字货币交易社区识别方法所述的步骤。
此外，根据本发明实施例的方法也可以借助于图6所示的设备的架构来实现。图6示出了该设备的架构。如图6所示，设备可以包括存储器N1、处理器N2以及存储在所述存储器中并在所述处理器上运行的计算机程序N3等，还可以包括其他的硬件设备。识别设备中的存储器N1，可以为ROM、U盘，还可以是机械硬盘、固态硬盘，或者移动硬盘。可以存储本发明提供的数字货币交易社区识别方法的处理和/或通信使用的各种数据或文件以及处理器N2所执行的程序指令。当然，图6所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图6示出的识别设备中的一个或至少两个组件，或者在图6的识别设备的基础上，增加一个或至少两个组件，组件的具体类型包括但不限于上述所述的硬件。
实施例4
如图7所示，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序P1。
所述计算机程序被处理器执行时实现如实施例1中的数字货币交易社区识别方法所述的步骤。
同理，所述存储介质可以为ROM、U盘，还可以是机械硬盘、固态硬盘，或者移动硬盘。其可读状态可以是被计算机、手机、平板电脑等其中的任意一种或多种移动终端进行读取并运行。当然，本实施例仅是给出了一种基础架构，在图7的存储介质的基础上，增加一个或至少两个组件，组件的具体类型包括但不限于上述所述的硬件。任意可实现实施例1中方法中的一个或多个步骤的硬件或软件，均在本发明的保护范围之内。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供目标检测所需要的信息相关的类似功能的系统。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本发明使用了特定词语来描述本发明的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本发明的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本发明的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本发明的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本发明的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (9)

1.一种数字货币交易社区识别方法，其特征在于，包括：
提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录；
采用基于中心节点的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果，具体包括：
计算交易网络中各个节点的度；所述节点的度为所述交易网络中与某一节点关联的边的条数；
根据各个所述节点的度的大小，选择预设比例数量的中心节点，确定所述中心节点的标签和非中心节点的标签；所述标签包括输入地址标签和输出地址标签；
对所述中心节点的标签和所述非中心节点的标签进行初始化；
对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签；
判断当前迭代次数是否等于最大迭代次数，若当前迭代次数等于最大迭代次数，则终止迭代更新，记录此时的所述社区划分结果；若当前迭代次数小于最大迭代次数，则返回步骤“对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签”，继续进行迭代更新；
从所述社区划分结果中提取一个待展示的社区，得到待展示社区；
对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]；
根据所述总边集生成社区结构图并进行展示，实现社区可视化。
2.根据权利要求1所述的数字货币交易社区识别方法，其特征在于，所述提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录，具体包括：
提取区块链账本数据，并将所述区块链账本数据作为所述原始交易记录；
对所述原始交易记录进行过滤预处理，得到过滤后的交易记录；
将所述过滤后的交易记录转换为json数据格式的交易记录，得到所述处理后的交易记录。
3.根据权利要求1所述的数字货币交易社区识别方法，其特征在于，所述从所述社区划分结果中提取一个待展示的社区，得到待展示社区，具体包括：
从所述社区划分结果中提取一个待展示的社区地址集，得到待展示社区地址集；
从所述原始交易记录中提取出所述待展示社区地址集中每个地址参与的交易记录，得到地址参与交易记录；
将所述待展示社区地址集以及所述地址参与交易记录作为所述待展示社区的数据。
4.根据权利要求1所述的数字货币交易社区识别方法，其特征在于，所述对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值，具体包括：
对所述待展示社区中的地址所参与的交易记录进行遍历，在遍历时，对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的边，保存进所述总边集中，生成的所述边的数量等于输入地址数量与输出地址数量的积；
在生成所述边的过程中，在地址标签集合中查询每条边的输入地址和输出地址是否出现在地址标签集合中，即查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则将对应的地址属性值记录为缺省值，并将此地址不重复地保存进无标签地址集合；
统计已经遍历过的交易记录数量，并判断所述交易记录数量是否大于预设阈值；
当所述交易记录数量大于预设阈值时，则统计所述总边集中各种所述边的输入地址、输入地址属性、输出地址、输出地址属性以及出现次数；
当所述交易记录数量小于或等于所述预设阈值时，则进行多次迭代流程，直至所述交易记录数量大于预设阈值时为止。
5.根据权利要求4所述的数字货币交易社区识别方法，其特征在于，所述多次迭代流程，具体包括：
遍历所有交易记录中所述无标签地址集合中的地址参与的且未曾遍历处理过的交易记录；
对于每一笔交易记录中的每一个输入地址生成指向所有输出地址的所述边，保存进所述总边集；
在生成所述边的过程中，在地址标签集合中查询每条边的输入地址和输出地址是否出现在地址标签集合中，即查询每条所述边的两个端点是否有标签，若有标签，则将所述标签填入对应的地址属性值中；若无标签，则删除该条边，并将此地址不重复地保存进新的无标签地址集合；其中，所述新的无标签地址集合将成为下一次迭代中使用的无标签地址集合。
6.根据权利要求1所述的数字货币交易社区识别方法，其特征在于，所述根据所述总边集生成社区结构图并进行展示，实现社区可视化，具体包括：
将所述总边集导入到Cytoscape软件中，在Cytoscape软件中将源节点设置为输入地址，将源节点属性设置为输入地址标签，将目标节点设置为输出地址，将目标节点属性设置为输出地址标签，将边属性设置为出现次数；
利用Cytoscape软件进行网络指标分析，并根据出图需求对社区结构的节点、边的样式、节点名称进行个性化设置；
根据所述个性化设置，利用Cytoscape软件生成社区结构图，并将所述社区结构图导出为所需格式进行展示。
7.一种数字货币交易社区识别系统，其特征在于，包括：
原始交易记录提取和预处理模块，用于提取比特币原始交易记录，并对所述原始交易记录进行预处理，得到处理后的交易记录；
社区划分模块，用于利用改进的标签传播算法，对所述处理后的交易记录进行社区划分，得到社区划分结果，具体包括：
计算交易网络中各个节点的度；所述节点的度为所述交易网络中与某一节点关联的边的条数；
根据各个所述节点的度的大小，选择预设比例数量的中心节点，确定所述中心节点的标签和非中心节点的标签；所述标签包括输入地址标签和输出地址标签；
对所述中心节点的标签和所述非中心节点的标签进行初始化；
对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签；
判断当前迭代次数是否等于最大迭代次数，若当前迭代次数等于最大迭代次数，则终止迭代更新，记录此时的所述社区划分结果；若当前迭代次数小于最大迭代次数，则返回步骤“对所述非中心节点的标签进行迭代更新，使所述非中心节点的标签更新为度最大的邻居节点的标签”，继续进行迭代更新；
待展示社区获取模块，用于从所述社区划分结果中提取一个待展示的社区，得到待展示社区；
总边集生成模块，用于对所述待展示社区中的地址所参与的交易记录进行遍历，生成总边集，并在地址标签集合中查询每条边的两个端点是否有标签，若有标签，则添加对应的地址属性值；其中，每一笔所述交易记录均包括若干个输入地址和若干个输出地址；所述边定义为从一个所述输入地址指向一个所述输出地址的一条线段，所述线段的两个端点分别表示所述输入地址和所述输出地址；每条所述边被记录为[输入地址，输入地址属性，输出地址，输出地址属性]；
社区结构图展示模块，用于根据所述总边集生成社区结构图并进行展示，实现社区可视化。
8.一种数字货币交易社区识别设备，包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，在所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN202111043142.2A 2021-09-07 2021-09-07 一种数字货币交易社区识别方法、系统、设备及存储介质 Active CN113570464B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111043142.2A CN113570464B (zh) 2021-09-07 2021-09-07 一种数字货币交易社区识别方法、系统、设备及存储介质
NL2030770A NL2030770B1 (en) 2021-09-07 2022-01-28 Digital currency trading community recognition method, system and device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111043142.2A CN113570464B (zh) 2021-09-07 2021-09-07 一种数字货币交易社区识别方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113570464A CN113570464A (zh) 2021-10-29
CN113570464B true CN113570464B (zh) 2022-06-03

Family

ID=78173568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111043142.2A Active CN113570464B (zh) 2021-09-07 2021-09-07 一种数字货币交易社区识别方法、系统、设备及存储介质

Country Status (2)

Country Link
CN (1) CN113570464B (zh)
NL (1) NL2030770B1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492383A (zh) * 2021-12-20 2022-05-13 北京邮电大学 一种数字货币交易地址的实体名称识别方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111309788A (zh) * 2020-03-08 2020-06-19 山西大学 一种银行客户交易网络的社区结构发现方法及系统
CN111383004A (zh) * 2018-12-29 2020-07-07 北京知帆科技有限公司 数字货币的实体位置提取方法、信息的提取方法及其装置
CN111932251A (zh) * 2020-07-03 2020-11-13 杭州云象网络技术有限公司 一种基于区块链的数字货币交易可视化方法及系统
CN112686654A (zh) * 2021-01-21 2021-04-20 北京工业大学 区块链数字货币交易的识别方法、装置、电子设备及存储介质
CN112740250A (zh) * 2019-12-31 2021-04-30 深圳市网心科技有限公司 一种基于区块链的数字货币交易方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102185191B1 (ko) * 2019-01-22 2020-12-01 (주)에스투더블유랩 암호화폐 거래 분석 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383004A (zh) * 2018-12-29 2020-07-07 北京知帆科技有限公司 数字货币的实体位置提取方法、信息的提取方法及其装置
CN112740250A (zh) * 2019-12-31 2021-04-30 深圳市网心科技有限公司 一种基于区块链的数字货币交易方法、装置及系统
CN111309788A (zh) * 2020-03-08 2020-06-19 山西大学 一种银行客户交易网络的社区结构发现方法及系统
CN111932251A (zh) * 2020-07-03 2020-11-13 杭州云象网络技术有限公司 一种基于区块链的数字货币交易可视化方法及系统
CN112686654A (zh) * 2021-01-21 2021-04-20 北京工业大学 区块链数字货币交易的识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
NL2030770A (en) 2023-03-10
NL2030770B1 (en) 2023-06-13
CN113570464A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
US20200019881A1 (en) Feature processing method and feature processing system for machine learning
CN110472068A (zh) 基于异构分布式知识图谱的大数据处理方法、设备及介质
US20150032708A1 (en) Database analysis apparatus and method
CN113326314B (zh) 数据可视化方法、装置、电子设备及可读存储介质
CN103853752A (zh) 管理时间序列数据库的方法和装置
CN115544183A (zh) 数据可视化方法、装置、计算机设备和存储介质
CN106909383A (zh) 应用程序的显示方法及显示装置
CN113570464B (zh) 一种数字货币交易社区识别方法、系统、设备及存储介质
CN113010542B (zh) 业务数据处理方法、装置、计算机设备及存储介质
CN110704635B (zh) 一种知识图谱中三元组数据的转换方法及装置
CN115114297A (zh) 数据轻量存储及查找方法、装置、电子设备及存储介质
CN115408546A (zh) 一种时序数据管理方法、装置、设备及存储介质
CN113934894A (zh) 基于指标树的数据显示方法、终端设备
CN112906091A (zh) 一种基于cad的地理信息绘制方法、装置、终端及介质
CN111859985A (zh) Ai客服模型测试方法、装置、电子设备及存储介质
US9208224B2 (en) Business content hierarchy
CN116881430B (zh) 一种产业链识别方法、装置、电子设备及可读存储介质
CN117271840B (zh) 图数据库的数据查询方法、装置及电子设备
CN115757573B (zh) 一种图谱数据的处理方法、装置以及存储介质
CN113704411A (zh) 基于词向量的相似客群挖掘方法、装置、设备及存储介质
CN117688212A (zh) 一种图谱显示方法、系统及相关设备
CN115454977A (zh) 一种数据迁移方法、装置、设备和存储介质
CN114281814A (zh) 一种数据查重方法、装置、计算机设备及存储介质
CN115328993A (zh) 数据处理方法、装置、存储介质及电子设备
CN114638121A (zh) 一种基于fbx模型的轻量化应用方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230714

Address after: 100083 No. 30, Haidian District, Beijing, Xueyuan Road

Patentee after: University OF SCIENCE AND TECHNOLOGY BEIJING

Patentee after: AEROSPACE INTERNET OF THINGS TECHNOLOGY Co.,Ltd.

Address before: No. 30, Xueyuan Road, Haidian District, Beijing 100089

Patentee before: University OF SCIENCE AND TECHNOLOGY BEIJING

TR01 Transfer of patent right