Wie die Krypto-Währung auf Twitter interagiert

Wer die Krypto-Währungs-Szene verfolgt hat, weiß bereits, wie lebhaft die Diskussion auf Twitter ist. Wir wollten einen Blick auf die Beziehungen zwischen den verschiedenen Teilen der Gemeinschaft werfen und wandten uns daher einer grundlegenden sozialen Netzwerkanalyse zu. Wir haben uns angesehen, wer die Tweets „mochte“, und haben Algorithmen ausgeführt, die die sozialen Gruppen in den Diagrammen finden sollten.

Die Karte, die wir bekommen, zeigt sehr deutlich die sozialen Beziehungen zwischen verschiedenen Sub-Communities, wie man es erwarten würde, wenn man der Krypto-Währungs-Szene folgt (zum Beispiel sind Bitcoin Cash und Bitcoin Core nicht sehr freundlich zueinander).

Disclaimer: Wir decken nicht wirklich den gesamten Raum ab. Nachfolgend sehen Sie, wie wir unsere Karten und gesammelten Daten erstellt haben. Die Daten wurden über einen kurzen Zeitraum erhoben und spiegeln möglicherweise die sozialen Interaktionen über einen längeren Zeitraum nicht vollständig wider.

Hier ist die Karte in ihrer ganzen Pracht (klicken Sie hier oder auf das Bild für eine größere Version).

Konten im Zusammenhang mit Krypto-Währungen. Kanten stellen „Vorlieben“ von Tweets dar.
Ein Blick auf die Ergebnisse zeigt uns die Struktur der Gemeinschaft:

Der kalkfarbene Bereich entspricht in etwa dem „Bitcoin Core“.

Ein weiterer großer und interessanter Cluster enthält einige Blockkettenbeeinflusser wie Mcafee, Vitalik, Eric Voorhees, Jackson Palmer, etc. Es ist auch mit einigen Börsen wie Coinbase, Binance. Dieser Cluster ist gut mit dem „Kern“-Cluster verbunden, und einige Leute, die sich zwischen den Clustern befinden, sind Elizabeth Stark, Andreas Antonopoulos, Tuur Demeester und andere bekannte Namen in der Gemeinde.

ProjekteDer Lavendel-Cluster ist eindeutig „Bitcoin Cash“ verwandt, da er Roger Ver, Bitcoin.com und @Bitcoin enthält, die für die Unterstützung von Bitcoin Cash bekannt sind.

Unterhalb des grünen Clusters gibt es nur wenige andere Gemeinschaften, wie z.B. Litecoin (orange) & Ripple (rosa).

Schließlich sehen Sie eine Vielzahl von verschiedenen Blockchain-Projekten und Systemen, die sich in verschiedenen Clustern befinden, die meist „weit“ von der Hauptgruppe entfernt sind. Sie erzeugen eine ganze Reihe von Tweets, interagieren aber selten mit Konten in den anderen Clustern.

Wie wir die Daten erhoben haben:

Wir haben nach Tweets mit dem folgenden Suchbegriff gesucht:

blockchain | cryptocurrency | bitcoin | ethereum | ripple | bitcoin cash | eos | litecoin | cardano | monero | zcash | iota
Die Suche liefert eine Reihe von Tweets, Antworten und Retweets. Von denen haben wir alles behalten, was mindestens 100 Retweets oder 100 Gleiche hatte, und eine Liste der Benutzer geführt. Dies ergab eine Liste von 29.082 einzigartigen Twitter-Nutzern. Für jeden Benutzer haben wir 200 neue Vorlieben und 2500 Tweets (einschließlich Antworten) gesammelt.

Um das Diagramm in Unter-Communities zu gruppieren, haben wir ein Diagramm erstellt, in dem das Gewicht der Kante von Benutzer A nach Benutzer B die Anzahl der Male ist, die A einen der Tweets von B mochte. Wir haben dann Markov-Clustering (expansion=3, inflation=3.7) ausgeführt, um das Clustering zu erhalten, das Sie im Bild oben sehen. Das Bild selbst wurde mit Gephi erzeugt. Die Größe der Knoten entspricht dem PageRank-Wert. Namen von Konten mit niedrigem PageRank wurden nicht angezeigt.

Dieser Eintrag wurde veröffentlicht unter Allgemein. Lesezeichen für Permalink hinzufügen.