Github Trends®
5892 findingsmedian surprise 0.00593window 1 day
UNIT / TREND-MONITOR · REV 2.6
[ 1 day window ]
SOURCE: own snapshots
FINDING #200 · UNIT ID 1129583447
yifanfeng97/Hyper-Extract
Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.21
ENGAGEMENT0.31
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
4% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
150.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-08-28 · FORK-RETENTION 0.0% · 150 STARS / WINDOW

Author Audience

AUDIENCE
685
FOLLOWERS
308
OWNER ★
3,766

Engagement Signals

FORKS
418
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 150 / 150 (DIVERSITY 1.00)

Why This Is A Finding

yifanfeng97/Hyper-Extract собрал 150 звёзд за окно, тогда как у автора всего 308 подписчиков — эффективная аудитория ≈ 685. Это даёт surprise-индекс 0.21 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 5892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.090.00+0.09ABOVE 97%
VELOCITY150.009.00+141.00ABOVE 97%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS418433-15ABOVE 50%
SURPRISE0.210.01+0.20ABOVE 96%