# 计算Mirror.xyz中用户的特定社区荣誉得分

By [Rock](https://paragraph.com/@rock-5) · 2022-04-29

---

[https://towardsdatascience.com/creating-a-community-specific-reputation-score-for-users-of-web3-platform-mirror-xyz-14d494a25ea8](https://towardsdatascience.com/creating-a-community-specific-reputation-score-for-users-of-web3-platform-mirror-xyz-14d494a25ea8)

使用图谱学计算镜像用户在 Twitter、治理和以太坊交易中交互的声誉分数。

这篇文章先在 ath.mirror.xyz 上发表，订阅关注我的 twitter，获取我最新的加密和数据科学内容。 这种方法后来被用于第一个 $WRITE 代币空投，您可以在此处阅读。

在之前关于数字身份的帖子中，我提到“可以使用不同的形式对这些图形数据进行标记，且多种证明tokens可以叠加”。我相信基于图的分片身份分析算法可以计算出用户在一个特定社区的声誉分数，来衡量他在特定网络的影响力。有一些得分是基于用户是否有X或Y操作来计算，但本文中的得分公式将更流畅，更像信号而不是特定标志。

在Web2.0中，平台通常使用与用户在平台的参与度和花费的注意力强相关的算法来奖励用户。这样，用户的得分只是他们获得的喜欢和关注的数量，而不关心点击喜欢和关注的人是谁。在Web3.0中，通常使用协议或者项目的代币来奖励用户，这些代币还被赋予了投票或者其他权利。因此，随着时间的推移，一个不仅表明影响力而且表明用户对社区其他成员的支持或一致程度的分数将变得越来越重要。（因为当需要奖励社区用户时，需要识别出不同的人来进行激励，才能保证激励的有效性）

在这篇文章中，我们将专注于根据每个用户在以太坊、Twitter 和 Mirror 数据中基于交互的社交图谱上的位置，计算 Mirror 用户（选民、作家、贡献者）的声誉得分。 之所以选择Mirror有以下三个原因：

1.  我已经非常熟悉他们的社区和产品
    
2.  Mirror具有可验证的身份整合（以太坊 <> Twitter），允许我将社交图分层在一起。
    
3.  Mirror的产品和治理非常注重用户与用户的交互，这是以太坊上的大多数产品目前所没有的（大部分主要与池或市场协议进行交互）。
    

社交图谱分析本身并不新鲜，但有选择地对它们进行分层将发现相当多的可用性和意义的新大门。 这有两个主要原因：

1.  **启用新应用程序**：我们可以使用此图数据来创建与上下文相关的特定社区的信誉得分，并应用于不同的场景
    
2.  **数据代表什么**：建立在稀缺性基础上的代表性网络创建了一个社交图，它代表了用户如何相互支持。
    

**启用新应用程序**：我们理解分层的方式会影响我们对数据的处理方式。 在我看来，以太坊是一个基础层社交图，其他一切都建立在它之上。 Mirror 和 Twitter 等平台是位于此基础层之上的上下文，并改变了我们如何看待跨空间用户的连接。

![](https://storage.googleapis.com/papyrus_images/9990fef31400052daf54a52fb292a952fd3ef66bdc7acfac41b516f0215f8700.png)

我没有设计的能力，但可以想像成在三维空间里，许多从不同角度穿过一个球体的切片。

由于我只想分析Mirror的用户，所以只取了twitter和Ethereum用户数据的子集。荣誉得分高的用户可以获取更多的代币空投，被委派担任财务管理中的角色（或更多选票），或获得对新协议功能的优先访问权。像Mirror这样有用户上下文的平台还有很多，比如NFT社区(Cryptopunks, BAYC, Blitmaps)，游戏社区(Axie Infinity, Darkforest)。

由于DAO和元宇宙中产生越来越多的交互，我们将会看到更多的重叠。通过研究用户与社区在社交图谱的不同上下文、跨上下文交互，产生用户的混合社区荣誉得分，应用于不同的场景。例如，得分可用于多代币或协作 NFT 空投，以及为合作伙伴关系和计划（如rabbithole 的探路者计划）选择领导者。

**数据代表什么**：收集和使用的数据类型也会影响社交图谱。 使用来自 $WRITE 投票、资金贡献（跨版本、拆分、众筹和拍卖）和 Twitter 提及的数据，我想代表三个维度：信念、资本和注意力。

![](https://storage.googleapis.com/papyrus_images/a00d5c1aa38040e1479aa71e12316fece5a67da4cf0bf3eafeb2a283ebceb054.png)

从技术上讲，这应该被可视化为一个自引用循环，虽然这可能会让人感到困惑。

通过分析这三个维度的用户的交互程序来计算用户之间的支持度。我相信支持度网络可以让我们更准确地表示社交图谱中的社区，这两个假设让我有信心使用称为“中介中心性”的概念作为信誉评分的原语。

数据描述和上下文选择是社交图最终形成的关键。如果我只想代表贡献的意愿，那么我可能会创建一个基于不同类型的产品/创建者类别的完全创建节点模式，而不是纯粹的用户对用户图。 这可能会完全改变社交图谱的形状。

**使用图数据科学创建社区声誉分数：中介中心性**

让我们尝试定位和量化种族参与者、作家和贡献者的社交图谱中的强连接点。 我选择使用一个称为“中介中心性”的概念来表示每个节点的得分。 中介中心性是使用一种算法计算的，该算法为所有节点计算所有节点之间的最短路径）。

对于 Mirror，谁投票给谁的基本社交图如下所示：

![](https://storage.googleapis.com/papyrus_images/9848854b1023c2188feade5a8b8da42463fbb5e4aee1987bd317f5eb52275256.png)

金点是赢家，紫点仍在比赛中竞争。 上图中有 2130 个节点，其中 2041 个节点至少投了一票。

![](https://storage.googleapis.com/papyrus_images/5da718830f67f6393b25f7dfb3ddb1b6633069ea690542c8c489f5d17d37a176.png)

这是放大后的图，由每个社区使用莱顿社区检测方法(Leiden Community Detection method)进行颜色编码。 从这个和上面的情节中，我们可以看到有很多社区，但几乎所有的获胜者都坐在中间。

然而，这还没有种族之外的社会背景。 让我们对以太坊交易级数据进行分层——这仅限于参与者之间与镜像相关的交易，例如发送拆分、资助众筹以及购买版本或保留拍卖。

![](https://storage.googleapis.com/papyrus_images/04806fa06c969104c3991fbf5fd4e1890dd9f27d9aabb90c5cee4c99ffe496bc.png)

粉红色表示 Ethereum tx，请注意，有些节点只是一个 Ethereum 地址并且没有相关的 Twitter 数据，因为它们没有在比赛中注册。

现在我们也将添加 Twitter 数据，它将根据谁在最近的 2000 条推文中提到另一个参与者来链接节点。

![](https://storage.googleapis.com/papyrus_images/e3309e08011fb21e93b4abc65a55dd49564f322272822609ae68f273c6d15e86.png)

蓝色现在代表节点之间的 Twitter 提及

以更简洁的方式显示交互（边缘），整个社交图谱的交互组合如下所示：

![](https://storage.googleapis.com/papyrus_images/4074d190ab8b2d4a2abb606cc596038746315dfec98dd62e89e34968ff0643f3.png)

计算在每个方面相互交互的用户数量。

现在回到最初的观点，期望大型集群之间的一些节点将获得比其他节点更高的权重，因为它们连接了大多数其他节点的路径。

![](https://storage.googleapis.com/papyrus_images/b1bc721a92a951992bdc22ae7232789d89e2e857277cd044e6170ca0463df113.png)

前 300 个中介用户以红色突出显示，我们可以看到他们开始从图表中心向外扩散。

这被称为“中间性”，我认为这是一个在尝试积极发展社区时非常重要的因素。 这里的基本思想是，一个人的“中介性”因素越高，他们就越有可能建立联系和分支，从而建立一个更加多样化的社区。 有一些研究论文强调了具有高介数的节点对社区的扩散以及建立网络的弹性的有益影响。

你们中的一些人可能想知道为什么我选择了介数中心性而不是接近性或度数中心性。 后两个指标突出了纯粹的影响力，我认为社区中的声誉不应该仅仅基于那些已经具有这种影响力的人。 Neo4j 的 Graph Algorithms 教科书很好地阐述了介数背后的概念：

`“Sometimes the most important cog in the system is not the one with the most overt power or the highest status. Sometimes it’s the middlemen that connect groups or the brokers who have the most control over resources or the flow of information. Betweenness Centrality is a way of detecting the amount of influence a node has over the flow of information or resources in a graph. It is typically used to find nodes that serve as a bridge from one part of a graph to another.”`

很多 Web2 都是关于集中影响力和回音室，我认为 Web3 应该尝试尽可能多地启用和激励创建桥梁。

对于任何想要查看分数的人，请在此处查看表格。 请注意，这些值并未根据数据/边缘类型进行加权，因此某些用户可能由于 Twitter 交互而不是 Mirror/Ethereum 交互而具有更高的介数。

---

*Originally published on [Rock](https://paragraph.com/@rock-5/mirror-xyz)*