Анализ данных по транзакциям криптовалюты с использованием алгоритмов на графах

В этой работе проводится анализ блокчейна - распределенной базы данных, имеющий публичный доступ и состоящей из транзакций участников сети. На основе этих данных мы построили граф, отражающий взаимодействие между отправителем и получателем транзакции. Наша задача состояла в том, чтобы применить методы машинного обучения на графах, мы применили методы кластеризации. Для решения этой задачи был изучен метод node2vec вложения графа в d-мерное векторное пространство, сохраняющий структурную информацию о графе. Был проведен анализ качества этого метода относительно применимости к задачам кластеризации. Для этого были сгенерированы специальные модели случайных графов (SBM), удовлетворяющие свойствам разбиения на кластеры, было проведено доказательство корректности данных моделей. Был получен хороший результат работы алгоритма node2vec на случайных графах совместно с кластеризацией K-means. Помимо использования K-means были проверены также графовые методы кластеризации векторов, и был реализован новый, более эффективный метод, который при помощи node2vec строит по графу новый граф и кластеризует его. Методы кластеризации были применены к практической области на графе блокчейна.