01 项目简介
针对目前日益更新的DAPP应用，其用户基数、每日用户活跃数及交易情况决定了应用的热度。在机器深度学习、人工智能迅速发展的今日，利用深度学习模型和文本挖掘的方法可以很好的对 DAPP 应用进行分类、趋势分析以及发展预测，从而使用户更为直观地发现和比对各应用之间的热度及其发展潜力。本课题针对现有的 DAPP 应用分类基础进行精确聚类，基于时间序列相似性判定算法建立动态的 DAPP 应用分析，分析同一类型应用的演化发展趋势，从中获知未来热度上升趋势较高的应用，从而提高分析效率。
主要技术特点：
①DAPP 应用发展的相关属性数据的收集对 DAPP 应用进行分析及预测，需事先获取其所有演化发展的相关属性，筛选出决定应用热度的关键属性，其次分析并获取其他影响演化趋势的属性。DAPP 应用分别由应用、使用者和设计者三部分组成，为完成上述任务，首先在 PC 端通过爬虫技术采集 DAPP 应用相关的各个数据源的所有数据，其次通过 NLP 技术简化其中的文本属性，视后续算法需求对数值型数据进行预处理，最后依据属性之间的依赖关系筛选出每一部分中的关键属性，将数据进行存储。
②DAPP 应用新颖性定义及其混合属性的聚类模型的实现基于 NLP 技术，对 DAPP 应用的简介属性进行挖掘，从中获取用于描述应用内容的关键词，从而建立 DAPP 应用新颖性模型。针对混合属性的方式建立离群点分布式探测算法，或根据固定属性及动态增量属性分别建立适合聚类算法。
③基于时间序列相似性判定算法的动态 DAPP 应用分析预测模型的实现在 PC 端实现动态的 DAPP 应用分析。基于上述聚类结果，利用时间序列分析技术进行相似度比较和趋势预测分析，最后建立 DAPP 应用全生命周期的演化发展及预测模型，从而判断该应用的周期长度及其今后的发展潜力。
技术指标：
①建立了一个可对DAPP应用动态聚类分析的模型，可看到DAPP所属的类别。
②建立了一个面向区块链技术社区的离群点演化趋势分析原型系统。
该原型系统包括：
（1）每日新增 DAPP 列表（主要来自 DAPP.Review、DAPPRadar 两个 网站）；
（2）新奇的 DAPP 列表；
（3）预测会火的 DAPP 列表（TOP20，根据火 力值排序）；
（4）预测不会火的 DAPP 列表（火力值小于阈值的 DAPP）；
（5） 同时也可以查看每个 DAPP 的基本信息和变化情况。
02 应用领域
DAPP 应用。
03 合作方式
合作方式：技术转移，产学研合作等。
价格：面议
联系方式：长按扫描二维码，填写您的需求
点击下方“阅读原文”填写技术需求表 ☺
往期分享
往期活动
科技成果