原标题：《OpenRank: lietotņu darbināšana ar kontekstuālām un personalizētām diagrammu plūsmām》
Autors: Endrjū Hons
Sastādīja: Ladyfinger, BlockBeats
Redaktora piezīme:
Šajā rakstā autors dziļi iedziļinās OpenRank Eigentrust algoritmā, jaunā tehnoloģijā, ko pašlaik izmanto Metamask Snaps, Degen padomi un Supercast. OpenRank kā skaitļošanas slānis var palaist dažādus reputācijas grafika algoritmus. Pirmais ieviestais ir savrupības algoritms. Autori dalās, kāpēc jums ir nepieciešami kopienas veidoti grafiki, algoritma pamatjēdzieni, kā tas darbojas un kā izveidot savus grafikus. Turklāt autors priekšskata gaidāmos Bytexexplorers uzdevumus un mudina lasītājus abonēt, lai iegūtu jaunākos atjauninājumus.
Lielākā daļa mūsdienu kriptovalūtu priekšgalu sastāv no vienkāršiem līderu sarakstiem ar labākajām monētām, kas sakārtotas pēc tirdzniecības apjoma, likviditātes, kalšanas, punktiem, balsīm utt. Ja vēlamies iegūt patērētāja līmeņa kriptovalūtas pieredzi, kas var pārspēt mūsdienu Web2 milžus, mūsu lietotnēs mums ir nepieciešams vairāk nekā uzvarētāju saraksti.
OpenRank ir viens no stūrakmeņiem, kas palīdz mums to sasniegt, un to jau izmanto Metamask Snaps, Degen Tips un Supercast. OpenRank ir skaitļošanas slānis, kas var palaist vairākus reputācijas grafika algoritmus, no kuriem pirmais ir savrupības algoritms.
Šajā rakstā es jūs iepazīstināšu ar OpenRank eigentrust algoritmu un apspriedīšu sekojošo:
Kopienas veidošanas diagrammu nozīme un kāpēc tās ir vajadzīgas
Algoritma pamatjēdzieni un tā darbība
Kā izveidot savu grafiku, skatiet grafiku, ko izveidoju Python piezīmju grāmatiņā
sāksim!
Kāpēc izveidot ieteikumu diagrammu ar kopienu, nevis tikai paļauties uz savu mašīnmācīšanās komandu?
Veidojot algoritmus un ieteikumu plūsmas kriptovalūtās, jūs ātri saskarsities ar dažām datu problēmām:
· Darījumos ir daudz operāciju līmeņu
· Attiecības starp adresēm var kļūt bezgala sarežģītas, veicot vairākus darījumus
· Pati adrese satur daļējas identitātes, no kurām katra ir būtiska dažādos kontekstos
Visi trīs iepriekš minētie attīstās eksponenciālā ātrumā. Sauksim šos augošos elementus par "kontekstu".
Jūsu mazā ML komanda nespēj sekot līdzi nebeidzamajai ideju plūsmai
Jūs arī nevēlaties, lai jūsu aizmugursistēmas vai datu inženieru komandas risinātu šīs problēmas, jo viņiem ir jāizveido produkts. Laiks, kad lietotnēs bija lietotāji un lietotāju datu struktūras, ir beigusies, jums vairs nav tikai vienkārša saite, lietotāja ID, patīk/atbildēt/kopīgot un publicēt ID, bet jūs varat veikt izpirkšanu, sadalīšanu, kritumus, mijmaiņas darījumus, likmju likšanu, deleģēšanu, balsošana, kalšana un daudz kas cits. Gandrīz katru dienu parādās jaunas "operācijas", kā arī jaunas ķēdes, jauni maki veidi, jauni identitātes veidi utt.
Es uzskatu, ka nākamā gada laikā kriptovalūtu nozare izstrādās grafiku datu zinātnes kopienu, kuras pamatā ir OpenRank protokols un produkti
Esmu bijis Dune burvju kopienas dalībnieks daudzus gadus un esmu redzējis, cik spēcīga kopiena var būt ārpus nelielas komandas iespējām. Esmu arī redzējis, ka gandrīz katra mazā kriptovalūtu komanda pāriet no “Jā, mēs varam to izdarīt neatkarīgi, izmantojot mezglu un RDS datu bāzi” līdz “Mums ir jāizmanto kopienas izveidoti datu rīki, piemēram, The Graph un Dune”. Man līdzīga problēma ir vaicājumu un diagrammu kombinācijas izveide, kas pielāgota noteiktam ieteikumu plūsmai un kopienai. Mums jāsāk apkopot un pārbaudīt grafikus, kas var nodrošināt ieteikumu plūsmu katrā lietojumprogrammā, sākot no Farcaster klientiem un beidzot ar bloķētajiem pētniekiem.
Ieteikumu plūsmas jēdziens ir imitēts un tiks likvidēts. Lietotāji kļūst par satura kuratoriem
Kriptovalūtas telpā lietotāji vēlas dažādās lietojumprogrammās ievietot ne tikai savus sociālos grafikus, bet arī šajos grafikos paslēpto kontekstu. Ja es aktīvi sekoju /degen kopienai vietnē Farcaster, es vēlētos saņemt ieteikumu vietnē Zora, Roam.xyz vai OnceUpon šīs kopienas aktivitātēm, un es vēlētos, lai es varētu pārslēgt šo ieteikumu uz citas kopienas kontekstu. kopiena, kuras dalībnieks esmu, piemēram, mākslas bloku kolekcionārs. Nākotne būs tāda, kurā lietotāji atklās un izvēlas paši savas plūsmas, nevis tiks ierobežoti ar noteiktu grupu vai kanāla funkciju vienā platformā.
Kā darbojas OpenRank Eigentrust algoritms?
Algoritms Eigentrust ir līdzīgs PageRank, jo tas ranžē mezglus grafiku tīklā. Atšķirība ir tāda, ka tā koncentrējas uz sarežģītu savstarpējo attiecību uztveršanu kā uzticības sadali. Sākotnēji tas tika izveidots, lai piešķirtu uzticamības rādītājus failu koplietošanas tīklos. Kriptovalūtu pasaulē varat iedomāties, kā to izmantot augstas kvalitātes pārvaldības principiem vai uzticamu viedo līgumu identificēšanai.
Šeit ir Eigentrust formula:
Iepriekš ir divas galvenās ievades: iepriekš uzticamie mezgli un vietējā uzticamības diagramma. "P" ir jūsu iepriekšēja uzticēšanās un "S" ir jūsu vietējā uzticība.
· Vietējā uzticēšanās: šis ir jūsu divu mezglu mijiedarbības mērījums, kad mezgls "i" nodod kādu vērtību mezglam "j". Tie varētu būt simbolu pārsūtīšana, apliecinājumi, balsojuma atbildes/atzīmes Patīk utt.
· Pretrust: šī ir jūsu izvēles "sēkla" tīkla mezgliem, kuriem vajadzētu būt uzticamākiem.
· "c": šī konstante (no 0 līdz 1) ir uzticamības vērtības svars starp kopējo vietējo uzticamības grafiku un pirmsuzticības sēklu. Mijiedarbības grafikiem parasti ir spēka likuma sadalījums, tāpēc augstāki pirmsuzticības svērumi palīdz normalizēt galīgo ranžēšanas vērtību sadalījumu.
Ja matemātiku nav viegli saprast, uzskatiet to par analoģiju sociālajam grafikam, piemēram, Twitter, kur ietekme, piemēram, sekotāji, atzīmes Patīk, atbildes utt., bieži ir koncentrēta nelielā skaitā cilvēku, kā rezultātā rodas varas likums. dinamisks. Izveidojot ietekmīgu personu kopu un izvēloties nemainīgu "c" vērtību 0,5 vai augstāku, cilvēki, ar kuriem šīs uzticamās personas mijiedarbojas, iemantos pusi no šīs ietekmes vērtības. Tādā veidā jūs līdzsvarojat un vienmērīgāk sadalāt uzticības rādītājus tīklā.
Kā tas ir saistīts ar jebkura konteksta atlasi un ieteikumu plūsmas izveidi?
Pieņemsim, ka vēlaties kārtot 10 000 dotāciju priekšlikumus novirzīšanas straumē. Varat novērtēt visus balsotājus un priekšlikumu iesniedzējus, pamatojoties uz balsošanas mijiedarbības kopu (vietējā uzticēšanās) un uzticamu vēlētāju kopu pēc jūsu izvēles (pirmsuzticēšanās). Varat atlasīt savus iepriekšējas uzticības balsotājus, atlasot 10 labākos vēlētājus, kuriem esat deleģējis balsis vairākās DAO. Eigentrust darbosies, pamatojoties uz šiem diviem ievades datiem, un sniegs jums lielāku balsotāju sarakstu, kas sakārtots diagrammā, pamatojoties uz uzticību, kas mantota no iepriekš uzticamiem mezgliem.
Tādā veidā tagad varat izmantot šo sarindoto vērtību sarakstu, lai izsvērtu reāllaika pārvaldības priekšlikumus personalizētākai ieteikumu plūsmai.
Tas joprojām var būt pārāk abstrakts, tāpēc es to paskaidrošu ar konkrētiem koda piemēriem nākamajā sadaļā. Ņemiet vērā, ka OpenRank apstrādā šo Eigentrust grafiku aprēķināšanu un uzglabāšanu un iesaka izmantot izvades ieteikumu straumi. Viss, kas jums jādara, ir jāizlemj par iepriekšēju uzticēšanos un vietējo uzticības ievadi.
Kā izveidot Eigentrust grafiku, izmantojot OpenRank?
galvenais mērķis
Šajā piemērā es vēlos nodrošināt ieteicamo līgumu abonēšanas straumi, pamatojoties uz Farcaster/base lietotāja maku (Farcaster ir Twitter līdzīga lietojumprogramma). Izvade ir tikai ID un vērtību saraksts, manā diagrammā katrs id ir saistīts ar Farcaster lietotāja ID (fid).
Datu avoti
Pēc ranžēšanas diagrammas izveidošanas mēs izveidojām šo ieteikumu plūsmu, pamatojoties uz viņu galveno līgumu mijiedarbību pagājušajā nedēļā:
Datu avoti
Varat skatīt informācijas paneli, lai skatītu citas novirzīšanas plūsmas, kas izveidotas no šīs diagrammas, piemēram, NFT kalšana, DEX marķieru tirdzniecība un Farcaster kanāla aktivitātes.
Kods
Tagad, kad esat redzējis mērķus, parunāsim par to, kā es izveidoju šo rangu diagrammu.
Visu šī piemēra kodu var atrast piezīmjdatorā hex.tech, vai arī varat izmantot piezīmju grāmatiņu jupyter, ja vēlaties to palaist lokāli.
Pirmkārt, es izveidoju divus vaicājumus mūsu pirmstrusta un vietējai uzticībai:
Pirmais vaicājums ir mūsu "iepriekš uzticamais mezgls". Šis vaicājums izvada kanāla populārākos lietotājus, pamatojoties uz saņemtajām mijiedarbībām (patīk, retvīti, atbildes), mana formula ir (patīk + 3 retvīti + 10 atbildes). Mēs ņemsim pirmos 100 ID no šī vaicājuma kā savus uzticamības mezglus.
Datu avoti
Otrais vaicājums tiek izmantots, lai izsekotu ķēdes mijiedarbību starp mezgliem, izmantojot lietotāja saites adresi kanālā /base. Tā kā abonēšanas plūsmā tiks ieteiktas darbības ķēdē, es vēlos noteikti izvēlēties mijiedarbības diagrammu, pamatojoties uz ķēdē veikto mijiedarbību skaitu. USD vērtības izmantošana, kas tiek pārsūtīta starp mezgliem, ir labs vispārējs starpniekserveris — esmu izsekojis stablecoin un ETH pārskaitījumus vietnē Optimism, Base un Ethereum.
Datu avoti
Analizējiet ievades grafiku un pārbaudiet izvades Eigentrust grafiku
Tagad, kad mums ir iepriekš uzticamie mezgli un vietējā uzticamības diagramma, apskatīsim dažus statistikas kopsavilkumus. 65 755 lietotāji kanālā /base ir pārsūtījuši marķierus citiem kanālā, un 19% diagrammas (t.i., savienotos mezglus) var šķērsot no mūsu iepriekš uzticamajiem mezgliem. Šis procents var atšķirties atkarībā no tā, cik Sybil diagrammas lokālie uzticamības dati ir. Žetonu pārskaitījumi var būt augsti signāli, taču tie var būt arī otu darījumi, tāpēc nav pārsteidzoši, ka lielākā daļa diagrammas nav savienota.
Pārliecinoties, ka ievades datu un savienojumu lielums ir saprātīgs, mēs varam palaist un saglabāt mūsu Eigentrust grafiku. Es saglabāju savu grafiku ar id "base_transfer_50" - zemāk varat redzēt, ka grafika apmācīšanai ir nepieciešamas tikai 10 koda rindas. Iedomājieties OpenRank SDK kā kriptogrāfu modeļu scikit-learn.
Atcerieties konstanti "c" iepriekšējā formulā? Meklēsim režģī, lai meklētu dažādas c vērtības (es to saukšu par alfa) un dažādus pirmsuzticības sēklu izmērus, lai noskaidrotu, kurš no tiem sniedz mums vislielāko lognormālo uzticamības rādītāju un visaugstāko pārklājumu:
Šeit ir daudz kompromisu, un nav nevienas labākās vērtības, no kuras izvēlēties. Augsta regulācija un pārklājums ir laba izvēle, ja vēlaties izteiktu ieteikumu daudzveidību, bet augstas likmes pārvaldības balsojumos jūs varētu vēlēties lielāku uzticības koncentrāciju. Šeit izmantojiet savu intuīciju.
No šejienes mēs varam ievietot vērtības abonēšanas vaicājumā, kas ir saistīts Dune informācijas paneļa sākumā, lai iegūtu līgumu mijiedarbības plūsmu uzticamiem lietotājiem kanālā /base. Šī subjektīvā ieteikumu izvade palīdz mums labāk savienot iepriekšējos kopējos rādītājus ar mūsu paredzamo intuīciju par ieteikumu izvades kvalitāti.
pieķēra to! Varat izmantot šo Dune API, lai nekavējoties darbinātu jebkuru savu lietotni.
Uzziniet, kā izveidot savu OpenRank Eigentrust grafiku
Vai esat gatavs ņemt lietas savās rokās? Varat izmantot manu piezīmju grāmatiņu un izmēģināt to pats, visas nepieciešamās saites ir norādītas zemāk:
· OpenRank dokumenti
· Python SDK repo
· Python piezīmju grāmatiņa
· Kāpu plūsmas informācijas panelis
Nākamā mēneša laikā es vadīšu Bytexexplorers misiju, kurā mēs sacentīsimies, lai izveidotu labāko abonēšanas plūsmas grafiku populārākajām kriptovalūtu lietotnēm.