OpenRank的Eigentrust算法：构建社交计算层的关键

编译：ladyfinger，blockbeats

编者按：

在这篇文章中，作者深入探讨了 OpenRank 的 Eigentrust 算法，这是一种新技术，目前被 Metamask Snaps、Degen tips 和 Supercast 所使用。OpenRank 作为一个计算层，能够运行多种声誉图算法，首先介绍的是 eigentrust 算法。作者分享了为何需要社区构建的图、算法的关键概念、如何工作，以及如何创建自己的图。此外，作者还预告了即将举行的 Bytexplorers 任务，鼓励读者订阅以获取最新动态。

现在的加密货币前端大多只展示简单的排行榜，按交易量、流动性、铸造、积分、投票等来排序顶级代币。如果我们想打造超越现有 Web2 巨头的消费级加密货币体验，我们的应用需要的不仅仅是这些排行榜。

OpenRank 就是帮助我们实现这一目标的基石之一，已经被 Metamask Snaps、Degen Tips 和 Supercast 所采用。OpenRank 是一个计算层，可以运行许多声誉图算法，其中第一个是 eigentrust 算法。

在这篇文章中，我将带你深入了解 OpenRank 的 eigentrust 算法，并讨论以下几个方面：

为什么需要与社区一起构建推荐图，而不仅仅依靠自己的机器学习团队？

该算法的关键概念及其工作原理

如何创建你自己的图，我会以我在 Python 笔记本中制作的一个图为例

让我们开始吧！

为什么要与社区一起构建推荐图，而不是仅仅依靠你自己的机器学习团队？

在加密货币中构建算法和推荐流时，你很快会面临一些数据问题：

交易包含许多层次的操作

地址之间的关系可以通过多次交易变得无限复杂

地址本身包含部分身份，每个身份在不同的上下文中都是相关的