深入探討OpenRank的Eigentrust算法：如何構建社交計算層？

編譯：ladyfinger，blockbeats

編者按：

在本文中，作者深入探討了 OpenRank 的 Eigentrust 算法，這是目前被 Metamask Snaps、Degen tips 和 Supercast 使用的一種新技術。OpenRank 作爲一個計算層，能夠運行多種聲譽圖算法，首先介紹的是 eigentrust 算法。作者分享了爲何需要社區構建的圖、算法的關鍵概念、如何工作，以及如何創建自己的圖。此外，作者還預告了即將舉行的 Bytexplorers 任務，鼓勵讀者訂閱以獲取最新動態。

當今的加密貨幣前端大多包含簡單的排行榜，按交易量、流動性、鑄造、積分、投票等排序的頂級代幣。如果我們想要進入能夠超越當今 Web2 巨頭的消費級加密貨幣體驗，我們的應用程序中需要的不僅僅是排行榜。

OpenRank 是幫助我們實現這一目標的基石之一，已經被 Metamask Snaps、Degen Tips 和 Supercast 使用。OpenRank 是一個計算層，可以運行許多聲譽圖算法，其中第一個是eigentrust 算法。

在這篇文章中，我將向你介紹 OpenRank 的 eigentrust 算法，並討論以下內容：

社區構建圖的重要性，以及爲什麼你需要它們

該算法的關鍵概念及其工作原理

如何創建你自己的圖，參考我在 Python 筆記本中製作的一個圖

讓我們開始吧！

爲什麼要與社區一起構建推薦圖，而不是僅僅依靠你自己的機器學習團隊？

在加密貨幣中構建算法和推薦流時，你很快會面臨一些數據問題：

· 交易包含許多層次的操作

· 地址之間的關係可以通過多次交易變得無限複雜

· 地址本身包含部分身份，每個身份在不同的上下文中都是相關的

以上就是深入探討OpenRank的Eigentrust算法：如何構建社交計算層？的詳細內容，更多請關注本站其它相關文章！