Github Trends®
1069 findingsmedian surprise 0.0527window 3 days
UNIT / TREND-MONITOR · REV 2.6
[ 3 days window ]
SOURCE: gharchive
FINDING #674 · 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

SURPRISE0.00979
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
6.33
ACCEL
-5.00
RETENTION
45.0%
PEAK 2026-07-12 · FORK-RETENTION 0.0% · 19 STARS / WINDOW

Author Audience

AUDIENCE
607
FOLLOWERS
289
OWNER ★
3,180

Engagement Signals

FORKS
367
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 19 / 19 (DIVERSITY 1.00)

Why This Is A Finding

yifanfeng97/Hyper-Extract собрал 19 звёзд за окно, тогда как у автора всего 289 подписчиков — эффективная аудитория ≈ 607. Это даёт surprise-индекс 0.00979 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 1069 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.01-0.00ABOVE 37%
VELOCITY6.3315.33-9.00ABOVE 21%
RETENTION45.0%33.3%+11.7 PPABOVE 61%
FORKS36745+322ABOVE 79%
SURPRISE0.010.05-0.04ABOVE 21%