深入探讨OpenRank的Eigentrust算法：如何构建社交计算层？

编译：ladyfinger，blockbeats

编者按：

在本文中，作者深入探讨了 OpenRank 的 Eigentrust 算法，这是目前被 Metamask Snaps、Degen tips 和 Supercast 使用的一种新技术。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。

当今的加密货币前端大多包含简单的排行榜，按交易量、流动性、铸造、积分、投票等排序的顶级代币。如果我们想要进入能够超越当今 Web2 巨头的消费级加密货币体验，我们的应用程序中需要的不仅仅是排行榜。

OpenRank 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 使用。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，我将向你介绍 OpenRank 的 eigentrust 算法，并讨论以下内容：

社区构建图的重要性，以及为什么你需要它们

该算法的关键概念及其工作原理

如何创建你自己的图，参考我在 Python 笔记本中制作的一个图

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