IITP-VDLand: A Comprehensive Dataset on Decentraland Parcels

本文介绍了IITP-VDLand，这是一个综合的Decentraland地块数据集，来源于不同的平台。与现有数据集仅具有有限属性和记录不同，IITP-VDLand提供了丰富的属性，包括地块特征、交易历史、过去活动、交易和社交媒体互动等。此外，我们还引入了数据集中的一个关键属性，即稀有度得分，用于衡量虚拟世界中每个地块的独特性。针对这些数据分散在各种来源中的重大挑战，我们采用系统化的方法，利用可用的API和自定义脚本进行收集。随后，我们将信息进行仔细策划和组织，分为四个不同的部分：（1）特征数据片段，（2）OpenSea交易历史数据片段，（3）以太坊活动交易数据片段和（4）社交媒体数据片段。我们预计，这个数据集将作为训练机器和深度学习模型的强大资源，专门用于解决Decentraland地块领域的现实挑战。在我们的数据集上，超过20种最先进的价格预测模型的性能基准测试取得了有希望的结果，Extra Trees回归器和分类器的最大R2得分为0.8251，准确率为74.23%。关键发现揭示了集成模型在我们的数据集上表现优于深度学习和线性模型。我们观察到，坐标、地理接近度、稀有度得分和其他几个经济指标对地块价格的预测有显著影响。

本论文试图解决Decentraland虚拟世界中土地价格预测的问题，以及验证在这个预测问题中，地块的位置、稀缺度等因素的重要性。

论文的关键思路是使用一个全面的数据集IITP-VDLand，包含各种属性和记录，使用多种机器学习模型进行价格预测，并且发现了地块位置、稀缺度等因素对预测的影响。

论文的亮点包括：使用了一个全面的数据集，包含各种属性和记录；使用了多种机器学习模型进行价格预测，并且发现了地块位置、稀缺度等因素对预测的影响；实验结果表明集成模型比深度学习和线性模型表现更好。

最近在这个领域中，还有一些相关研究，例如“Decentraland: A Virtual Reality Blockchain Platform”和“Cryptovoxels: A User-Owned Virtual World Powered by the Ethereum Blockchain”。