Github Trends®
9591 findingsmedian surprise 0.00783window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #2635 · 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

SURPRISE0.0166
ENGAGEMENT0.33
FRESHNESS1.07
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
10% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
12.03
ACCEL
+1.11
RETENTION
0.0%
PEAK 2026-08-28 · FORK-RETENTION 0.0% · 361 STARS / WINDOW

Author Audience

AUDIENCE
685
FOLLOWERS
308
OWNER ★
3,766

Engagement Signals

FORKS
418
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 361 / 361 (DIVERSITY 1.00)

Why This Is A Finding

yifanfeng97/Hyper-Extract собрал 361 звёзд за окно, тогда как у автора всего 308 подписчиков — эффективная аудитория ≈ 685. Это даёт surprise-индекс 0.0166 (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 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 73%
VELOCITY12.033.63+8.40ABOVE 83%
RETENTION0.0%24.8%-24.8 PPABOVE 0%
FORKS418120+298ABOVE 79%
SURPRISE0.020.01+0.01ABOVE 68%