Deep Funding: 오픈 소스 종속성에 대한 예측 시장

Elizabeth Yeung , Clément Lesaege , Devansh Mehta . 초안의 초기 버전에 대한 피드백을 주신 David Gasquez , Eliza Oak , Davide Crapis 에게 특별히 감사드립니다. 또한 초기 영감과 심도 있는 논의를 제공해 주신 Vitalik Buterin 에게도 감사드립니다.

요약

Deep Funding은 봇, 모델, 트레이더 네트워크를 사용하여 배심원단이 오픈 소스 저장소를 평가할 경우 이더리움에 대한 오픈 소스 저장소의 가치를 예측합니다.

목표 : 누구나 이더리움을 지원하기 위해 돈을 보낼 수 있는 공개 키로, 시장 기반 메커니즘에 의해 프로젝트에 대한 정확한 할당이 결정됩니다.

할당 메커니즘 : 봇, 모델, 트레이더는 배심원단의 판단에 따라 이더리움 저장소의 가치에 베팅합니다. 이러한 가치는 자금 분배에 사용됩니다.

인터페이스 : 최대 128개 저장소의 가중치를 합산하여 1이 되도록 CSV 파일을 업로드합니다.

보상 : 예측의 정확도와 이를 뒷받침하기 위해 투자한 금액에 따라 돈을 획득합니다.

결의안 : 심사위원들은 변동성이 높거나 시장 조작 징후를 보이는 특정 레포(repo)를 평가하여 더 높은 가중치를 부여합니다. 이러한 평가는 할당 메커니즘을 위해 레포의 시장 가치보다 우선적으로 적용될 수 있습니다.

차이점 : 이전의 딥 펀딩 라운드는 리더보드 상위 모델에게 상금을 수여하는 단순한 데이터 과학 경진대회(캐글과 유사) 형태였습니다. 이러한 구조는 두 가지 측면에서 다릅니다.

• 모델은 제출된 데이터에 대해 보상을 제공할 수 있습니다. 보상이 높을수록 모델의 예측이 저장소 가중치에 더 큰 영향을 미칩니다.

• 참가자에 대한 지급 기능은 외생적 상금에 의존하지 않습니다. 대신 시장 유동성, 다른 참가자가 예측을 뒷받침하기 위해 투입한 금액, 그리고 제출된 의견의 정확성에 따라 결정됩니다.

모델 개발자가 예측을 뒷받침할 자금이 없는 경우에도 Pond에서 진행되는 데이터 과학 경진 대회 에 참여할 수 있습니다. 가변 보상 함수를 원하는 경우, 이제 Pond 외에도 deep.seer.pm 에 모델을 제출할 수 있습니다.

문제 진술

현재 존재하는 신뢰할 수 있고 중립적인 자금 조달 시스템은 확장성이 좋지 않습니다. 예를 들어, 이더리움 분석 대시보드인 그로우 더 파이(Grow the Pie)는 옥탄트 에포크 8에서 이더리움의 모든 합의 및 실행 클라이언트를 모아놓은 프로토콜 길드(Protocol Guild)와 동일한 규모의 자금을 지원받았습니다. 이러한 동등성은 소규모 일회성 지원에는 타당할 수 있지만, 수백만 달러에 달하는 정기적인 자금 지원을 할당할 때는 지속 불가능해집니다.

분산형 시스템 참여자가 소셜 게임이 아닌 기여도에 따라 광대한 네트워크에서 보상을 받기를 원한다면, 인간의 판단을 확장하고 이더리움과 같은 생태계의 성공을 뒷받침하는 복잡한 프로젝트 전반에 자금을 분산할 수 있는 자금 조달 메커니즘을 설계해야 합니다.

개요

이 과제에 대한 한 가지 접근 방식은 딥 펀딩(Deep Funding )으로, 핵심 이더리움 저장소와 해당 종속성 간의 상대적 중요도를 보여주는 가중치 그래프로 구성됩니다. 현재 버전에는 개발자들이 각 저장소의 가중치를 예측하는 모델을 구축하는 데이터 과학 경진대회 (Kaggle 등)가 포함되어 있습니다. 심사위원들이 저장소 하위 집합에 부여한 점수에서 오류율이 가장 낮은 모델은 전체 종속성 그래프에서 가중치가 선택됩니다.

이 글은 딥 펀딩(Deep Funding)의 운영 방식에 있어 중요한 궤적 변화를 요약합니다. 참가자들이 그래프에 있는 모든 레포(repo)에 대한 가중치를 제출해야 하는 일회성 경쟁 방식에서, 참가자들이 확신하는 답변에 돈을 걸 수 있는 자동 반복 예측 시장 으로 전환하는 것입니다. 참가자들은 본질적으로 레포의 가치 평가에 베팅하는 것입니다.

이것에는 여러 가지 이점이 있습니다:

1. 이는 건축업자가 여러 모델을 제출하고, 그 중 정확한 모델을 제출하면 상품을 받을 수 있는 인센티브를 제공하는 시빌 문제를 해결합니다.
2. 이를 통해 참가자는 특정 분야에 집중할 수 있으며, 일부 가중치에 대해서만 자신의 견해를 표현할 수 있습니다.
3. 이를 통해 메커니즘의 "유지관리 부담"이 크게 줄어들어 무거운 수동 개입에 의존하지 않고도 훨씬 더 자동화된 방식으로 작동할 수 있습니다.
4. 자동으로 반복되는 개별 라운드를 갖는 메커니즘은 값을 최신 상태로 유지하고 관련성을 유지하는 동시에 메커니즘을 간단하고 분석 가능하게 유지합니다.

전체 구조는 종속성 그래프의 각 에지에 대한 시장으로, 평가될 경우 그 가치를 기준으로 거래됩니다. 이러한 가치를 활용하여 분산형 네트워크 전반에 자금을 할당할 수 있습니다. 주기적으로 N개의 시장이 선정되어 배심원단이 임의 검증을 통해 시장을 해결하며, 이는 높은 변동성 또는 평가 대상 에지에 대한 외부 지불을 기준으로 합니다. 이러한 설계는 네트워크의 발전에 따라 가치를 동적이고 확장 가능하게 유지하는 것을 목표로 합니다.

Protocol Guild, Argot Collective, Dev Tooling Guild에 속한 45개 저장소를 대상으로 시범 개념 증명(PoC)이 진행 중이며, 누구든지 이 저장소들 간의 상대적 가치에 대해 투자할 수 있습니다 (여기) . Gitcoin Grants Round 24의 일환으로 45~60개 저장소가 추가될 예정이며, 그래프에 표시된 저장소의 가중치에 따라 35만 달러의 자금이 지원될 예정입니다.

설계

Deep Funding의 새로운 버전은 높은 수준에서 3단계로 구성됩니다.

1. 종속성 그래프 매핑 : 대상 생태계(예: 이더리움)의 핵심 프로젝트들과 그 종속성들을 파악합니다. 저희 경험상 이는 간단한 작업이 아니었으며, 저장소 관리자들은 핵심 종속성이 존재하지 않거나 관련 없는 종속성이 너무 많다는 우려를 제기했습니다. 또한, 이 그래프는 살아있는 그래프이므로, 새로운 프로젝트를 포함하고 기존 프로젝트를 제외하는 프로세스가 필요합니다.
   우리는 누구나 그래프에 새로운 에지를 추가하기 위해 본드를 게시할 수 있는 구조를 제안합니다. 이 본드는 시장이나 평가자가 평가한 상위 128개에 포함되지 않을 경우 삭감됩니다. 한 번에 128개의 레포만 노드 기여에 포함되고 자금을 지원받을 수 있으며, 129개 이상의 레포는 128개 이하로 가중치가 재분배됩니다(지프의 법칙에 따라 최상위 자식과 최하위 자식의 차이가 약 128배라는 가정).

2. 시장이 가중치를 결정합니다 . 기준 금리는 그래프에 표시된 각 프로젝트의 시작 가중치입니다. 트레이더는 프로젝트 주식이 저평가 또는 고평가되었다고 판단될 경우 해당 주식을 매수 또는 매도합니다. 주기적으로 시장이 청산되고 트레이더가 수익을 내거나 손실을 보는 시점을 기준으로 레포의 실제 가중치에 대한 판단이 내려집니다. 이러한 시장의 시작 기준 금리는 유동성 손실을 방지하고 트레이더와 유지 관리자를 위한 앵커 레포 가중치를 제공하기 위해 신중하게 고려되어야 합니다. 그래프에 노드 진입을 제안하는 사람은 기준 금리가 상위 128위 안에 들도록 채권을 게시해야 합니다.

3. 보상 분배 : 자금은 종속성 그래프 전반에 걸쳐 배심원의 점수를 예측하는 시장에서 결정되는 에지의 가중치를 기반으로 분배됩니다. 가중치가 잘못되었다고 생각하는 사람은 반대매매를 하거나 배심원단의 가중치 평가를 위해 비용을 지불할 수 있습니다. 이러한 평가 메커니즘은 억제책으로 의도된 것입니다. 이러한 메커니즘이 적용될 수 있다는 사실이 조작 유인을 줄여 실제 유료 평가는 드물 것으로 예상됩니다. 변동성이 높은 에지 가중치는 실제 가치에 대한 조사를 유발할 수도 있으며, 배심원 보상금은 채권 압수 또는 외부 자금 조달을 통해 지급됩니다.

데이터 구조

이 섹션은 기술적인 성격을 띠며, 대상 노드와 그 종속성 간의 간선으로 구성된 유향 그래프에 대한 표기 체계를 소개합니다. 간선에는 종속성 간의 크레딧 할당을 나타내는 가중치가 표시됩니다. 예를 들어, 이더리움은 대상 노드이고, 그로우 더 파이(Grow The Pie), 솔리디티(Solidity) 등은 이더리움과의 관계에 가중치가 부여된 간선을 가진 노드일 수 있습니다. 마찬가지로, 스핑크스(Sphinx)는 솔리디티에 대한 자체 가중치가 부여된 간선을 종속성 중 하나로 가질 수 있습니다. 다음 설명은 구체적인 구현이며, 유향 종속성 그래프의 일반적인 설계는 부록 에서 확인할 수 있습니다.

출처: deepfunding.org

노드:

• 대상 노드 ( T ): 대상 노드 T 는 자금을 주요 기여자에게 전달하기 위해 신용 할당을 결정하려는 생태계(예: 이더리움)를 나타내는 시작점입니다.
• 시드 노드 (프로젝트 S ): 시드 노드 S 는 T 의 직접적인 종속성이며, 이더리움의 경우 소프트웨어 저장소 URL입니다.
• 자식 노드 (프로젝트 C ): 마찬가지로 자식 노드 C 는 S 의 직접적인 종속성입니다.

모서리와 무게:

• 에지 : 이 그래프에는 노드 간의 종속성을 나타내는 T->S 와 S->C 의 두 가지 유형의 에지가 있습니다.
• 에지 가중치 : 각 에지 X->Y 에는 가중치 W 할당됩니다. 여기서 W \in [0,1] W ∈ [ 0 , 1 ] . 이 가중치는 " Y X 에 대한 크레딧의 W (예: 20%)를 받을 자격이 있다"로 해석됩니다.
  • 여기서는 노드로 들어가는 모서리의 가중치가 합산 1이 되어야 한다는 불변성이 유지됩니다 {Y_1, Y_2,..., Y_k} 가 X 의 모든 자식 집합인 경우 다음이 성립해야 합니다. \sum_{i=1}^{k} W(X\rightarrow Y_i) = 1 ∑ k i = 1 W ( X → Y i ) = 1 .
• 독창성 점수 : 시드 노드 S 의 독창성 점수 OS 는 " OS 는 S 노드 자체에 대한 일종의 가중치라고 볼 수 있습니다.
  • 따라서 1-OS S 의 종속성, 즉 노드 집합 C 에 전달되어야 하는 가중치를 나타냅니다.

예제_출력 1882×976 321KB

요약하자면, 가중치 W(T->S) , OS(S) , W(S->C) 의 세 가지 유형이 있습니다. 이러한 가중치는 시장의 집단적 지혜에 따라 끊임없이 변화합니다.

시장 유형

시드 노드 : 시드 노드 시장은 서로 다른 프로젝트 가중치가 합쳐져 1이 되는 다중 스케일러 시장으로 구성됩니다( 이와 같이 참가자가 각 정당이 차지할 의석 점유율을 예측하려는 비례 선거의 다중 스케일러 예측 시장과 유사).

다음 표기법을 소개합니다.

• w_{0,j} w 0 , j는 W(X\rightarrow Y_j) W ( X → Y j ) 의 실제 값을 나타냅니다(실제로 측정할 수 없음).
• \hat{w}_{0,j} ^ w 0 , j는 배심원에 의한 w_{0,j} w 0 , j 의 추정을 나타냅니다.
• W_{0,j} W 0 , j 는 \hat{w}_{0,j} ^ w 0 , j 로 교환할 수 있는 토큰을 나타냅니다.
• \dot{w}_{0,j} ˙ w 0 , j 는 토큰 W_{0,j} W 0 , j 의 값을 나타냅니다.

w_{0,j} w 0 , j 의 추정값은 \hat{ w}_{0,j} ^ w 0 , j 입니다. 배심원의 수가 적으므로 이 추정값은 분산이 높고 편향이 높을 것으로 예상됩니다. W_{0,j} W 0 , j 의 기댓값은 E[\hat{w}_{0,j}]=w_{0,j}+b_{0,j} E [ ^ w 0 , j ] = w 0 , j + b 0 , j 입니다 . 여기서 b_{0,j} b 0 , j 는 배심원 평가의 예상 편향입니다.

따라서 완벽하게 정보를 갖춘 거래자는 W_{0,j} W 0 , j를 \dot{w}_{0,j}=w_{0,j}+b_{0,j} ˙ w 0 , j = w 0 , j + b 0 , j가 될 때까지 매수/매도합니다 .

하지만 배심원의 편향이 시장 참여자에게 공개적으로 제공되지 않는 정보인 경우(이를 달성하는 간단한 방법은 사전에 배심원을 선택하거나 거래 기간 동안 신원을 숨기지 않는 것임), 이들은 W_{0,j} W 0 , j 를 \dot{w}_{0,j}=w_{0,j} ˙ w 0 , j = w 0 , j 가 될 때까지 매수/매도 거래를 합니다.

실제로 시장 참여자(AI로 예상)는 w_{0,j} w 0 , j 에 대해 완전히 알지 못하므로, \dot{w}_{0,j} ˙ w 0 , j 는 w_{0,j} w 0 , j 의 추정치 역할을 합니다. 이 메커니즘은 배심원 점수의 "잡음 제거기" 역할을 합니다.

시장을 효율적으로 만들기 위해 우리는:

• 누구나 화폐 단위를 전체 W_{0,j} W 0 , j 토큰 세트로 교환할 수 있도록 허용합니다(반대의 경우도 가능).
• 우리는 자동화된 시장 조정자에서 모든 W_{0,j} W 0 , j에 대한 유동성을 제공합니다.

독창성 점수 : 시드 노드의 독창성을 측정하는 각 시장은 "UP" 토큰과 "DOWN" 토큰을 사용하여 단일 스칼라 시장으로 구성할 수 있으며, 이는 평가되는 노드의 독창성에 따라 합산 값이 1이 됩니다.

• o_{j} o j는 노드 j j 의 독창성 점수의 실제 값을 나타냅니다.
• \hat{o}_{j} ^ o j는 배심원에 의한 o_{j} o j 의 추정을 나타냅니다.
• e_j e j는 j j 의 독창성 점수가 평가되면 1이고, 그렇지 않으면 0인 변수입니다.
• S_j S j는 1 초 에 해당하는 토큰을 나타냅니다. j j 의 독창성 점수가 평가되고, s s 는 독창성이 평가된 노드의 수입니다.
• O_{j} O j 는 j j 의 독창성 점수가 평가되면 \hat{o}_{j} ^ o j 로 교환되는 "UP" 토큰입니다.
• \dot{o}_{j} ˙ o j는 S_j S j 로 표현된 토큰 O_{j} O j 의 값을 나타냅니다.

노드 j j를 평가하면 \hat{o}_{j} ^ o j는 o_j o j 의 추정치로 작용합니다. O_{j} O j 의 기대값은 E[\hat{o}_{j} | e_j = 1]=o_{j}+b_{j} E [ ^ o j | e j = 1 ] = o j + b j 단위의 S_j S j 입니다. 여기서 b_{j} b j는 배심원 평가의 기대 편향입니다. 독창성을 무작위로 평가하면 O_j O j 와 e_j e j 는 상관 관계가 없습니다. 따라서 E[\hat{o}_{j}] = E[\hat{o}_{j} | e_j = 1]=o_{j}+b_{j} E [ ^ o j ] = E [ ^ o j | e j = 1 ] = o j + b j 입니다.

이전 섹션과 유사한 논리를 사용하되, "시장 참여자들은 어떤 독창성 점수가 평가될지 미리 알지 못한다"는 점을 추가하면, 시장은 배심원 점수의 "잡음 제거" 역할을 할 뿐만 아니라 배심원 평가를 조정하는 수단으로도 작용한다는 것을 알 수 있습니다. 시장 참여자들은 어떤 점수가 평가될지 알지 못하기 때문에, 해당 점수가 평가될 것이라고 가정하고 모든 시장에서 거래해야 합니다. (마치 학생이 시험에 나올 만한 과목을 미리 공부해야 하는 것과 같습니다.)

이 시장을 더 효율적으로 만들기 위해:

• "DOWN" 토큰( \bar{O}_{j} ¯ O j )이 있는데, j j 가 평가되면 이 토큰은 1 - 독창성 점수로 교환됩니다. 이를 통해 시장 참여자들은 한 프로젝트의 독창성 점수를 "공매도"할 수 있습니다.
• 누구든지 화폐 단위를 S_j S j 토큰 전체로 교환할 수 있도록 허용합니다(반대의 경우도 가능).
• 누구든지 S_j S j 단위를 O_{j} O j 및 \bar{O}_{j} ¯ O j (또는 그 반대)로 교환할 수 있도록 허용합니다.
• 우리는 S_j - O_{j} S j − O j 와 S_j - \bar{O}_{j} S j − ¯ O j 쌍에 유동성을 제공합니다. 토큰 S_j S j 와 화폐 토큰 간에는 유동성을 제공할 필요가 없습니다.

자식 노드 : 자식 노드의 시장은 시드 노드를 기준으로 최대 1이 되는 다중 스케일러 시장이어야 하며, 이 노드의 자식이 평가되는 경우에 한합니다 .

자식 노드의 경우, 우리는 이전의 두 가지 접근 방식을 결합합니다.

다음 표기법을 소개합니다.

• w_{i,j} w i , j 는 W(X_i\rightarrow Y_j) W ( X i → Y j ) 의 실제 값을 나타냅니다.
• \hat{w}_{i,j} ^ w i , j는 배심원들의 추정을 나타냅니다.
• C_i C i는 \frac{1}{c} 1 c 로 교환할 수 있는 토큰을 나타냅니다. X_i X i 자식의 가중치가 평가되고, c c 는 자식이 평가되는 노드의 수입니다.
• W_{i,j} W i , j 는 \frac{\hat{w}_{i,j}}{c} ^ w i , j c 로 교환할 수 있는 토큰을 나타냅니다. X_i X i 자식의 가중치가 평가되는 경우.
• \dot{w}_{i,j} ˙ w i , j 는 C_i C i 의 관점에서 표현된 토큰 W_{i,j} W i , j 의 값을 나타냅니다.

이전 두 섹션과 동일한 논리를 사용하면, \dot{w}_{i,j} ˙ w i , j 가 w_{i,j} w i , j 의 추정치 역할을 한다는 것을 알 수 있습니다. 여기서 이 메커니즘은 인간 배심원의 평가를 잡음을 제거하고 스케일링합니다.

배심원 평가 전략

세상의 객관적 진실을 기반으로 판결이 이루어지는 일반적인 예측 시장과는 달리, 이러한 시장은 배심원의 주관적인 평가에 의존합니다. 이는 판사들에게 더 큰 부담을 줄 뿐만 아니라, 예측 메커니즘 개선 과정만큼 엄격한 배심원 개선 과정의 필요성을 시사합니다.

아직 배심원 설계를 완전히 공식화하지는 않았지만, 대략적으로 고려할 사항은 다음과 같습니다.

• 배심원에게 제시되는 정보는 배심원 선정 자체만큼이나 중요합니다. 이는 다양한 LLM에서 요약을 얻을 수 있는 기능을 포함하는 배심원 UI의 형태를 취할 수 있습니다. 또 다른 방법은 리포지토리의 가치를 심층적으로 분석하는 분석가와 분석가가 제공한 정보를 사용하여 최종 평가를 내리는 심사위원으로 역할을 분리하는 것입니다.
• 이와 관련하여 고려해야 할 사항은 배심원단 내 전문성의 혼합입니다. 배심원 중 일부는 특정 분야의 전문가인 반면, 다른 배심원은 일반 전문가일 수 있습니다. 전문 배심원과 일반 배심원 모두가 합의한 점수는 더 높은 우선순위를 가져야 합니다.
• 배심원들의 이상치 평가가 미치는 영향을 파악하고 줄일 수 있는 방법이 있어야 합니다. 현재 단계에서는 Seer의 다중 스케일러 예측 시장 에 Huber 손실 함수를 사용하고, Pond의 경쟁 에 대해서는 로그 공간에서 L2 노름을 계속 사용하기로 결정했습니다. 두 방법 모두 로그 공간에서 배심원들의 쌍대 비교를 처리합니다.

행동 촉구

1. 모델 제작자는 상금과 거래 보조금이 제공되는 3가지 대회에 참여할 수 있습니다.
   • 시드 노드 :
     • 현재 진행 중인 심층 자금 조달 콘테스트에서는 참가자들이 Protocol Guild, Argot Collective 또는 Dev Tools Guild 소속의 45개 OSS 저장소 모두에 대한 가중치를 제안할 수 있습니다. 이 콘테스트는 10월 6일까지 진행됩니다.
     • 동일한 경쟁이 멀티스케일 예측 시장 으로도 제공되며, 누구나 레포의 가치를 평가할 경우 베팅할 수 있습니다. Pond와 달리, 이 시장의 배당률은 외생적 상금에 의존하지 않고, 시장 참여자들의 총 베팅 금액 대비 예측의 정확도에 따라 결정됩니다.
     • 모델 결과에 돈을 걸고 싶다면 예측 시장에 제출하세요. 돈 없이 모델을 테스트하고 싶다면 Pond에 제출하세요.
   • 독창성 점수 : 다음 달에 리포지토리가 평가를 받는다면 받게 될 독창성 점수를 예측할 수 있습니다. 이는 시드 노드에 얼마나 많은 자금을 남겨야 하는지, 아니면 종속 노드에 얼마나 많은 자금을 할당해야 하는지를 나타냅니다. 참여하려면 독창성 점수 예측 모델을 구축하고, 자금을 투입한 후 예측을 수행하도록 하세요.
   • 자식 노드 : 마지막 부분은 Pond에서 모델 빌더들이 시드 노드의 종속성 간 가중치를 예측하는 경연입니다. 이 경연의 결과는 시드 노드에 대한 각 종속성 가치에 대한 다중 스케일러 시장을 시작하는 기준 비율로 다시 사용될 수 있습니다.
2. 시드 노드 간의 비교를 제공하고자 하는 배심원은 여기에서 배심원단의 일원으로 지원할 수 있습니다.
3. 유지 관리자 : Deep Funding에 속한 저장소의 유지 관리자라면 다음 작업을 도와주셔야 합니다.
   • 누락된 저장소를 식별하거나 관련 없는 저장소를 제거하는 것을 포함하여 정확한 종속성 그래프를 만듭니다.
   • 귀하의 저장소에서 다양한 종속성 간의 중요성을 나타내는 점수를 제출하고, 여기에 신청할 수 있습니다.

마지막으로, 실험을 따라가고 싶거나, 아이디어를 표현하고 싶거나, 추가 질문이 있으시면 Deep Funding 텔레그램 그룹 에 가입하세요.

충수

방향성 종속성 그래프에 대한 일반화된 구조

여기서는 위 사양 에 설명된 내용의 보다 공식적이고 일반화된 버전을 제안합니다. 각 프로젝트 P 에 대해 P 로 향하는 간선을 갖는 세 가지 유형의 노드를 정의합니다.

1. P:SELF : 이 노드는 프로젝트 자체의 기여를 나타냅니다.
   • 에지 P->P:SELF 와 에지 W 는 " W 는 P 자신의 작업에 귀속되는 기여도"로 해석됩니다. 예를 들어, 브레이브 브라우저는 크롬의 포크이므로 가중치가 0.2일 수 있지만, 솔리디티는 종속성 최소화를 목표로 하기 때문에 가중치가 0.8일 수 있습니다. 이는 프로젝트의 originality 이라고도 할 수 있습니다.
   • 이 유형의 노드에는 자식이 없으며 각 P 에 대해 자식이 1개만 있습니다.
2. P:OTHER : 이 유형의 노드는 P 의 직접 종속성 집합으로 볼 수 있습니다. 이 유형의 노드는 두 가지 하위 유형으로 더 분류할 수 있습니다.
   • P:OTHER_KNOWN : 이는 P 의 알려진 종속성이며 프로젝트 자체입니다.
   • P:OTHER_UNKNOWN : 이는 P 의 알려지지 않은 모든 종속성을 나타냅니다.
     • 이 유형의 노드에는 자식이 없으며 각 P 에 대해 자식이 1개만 있습니다.

따라서 알려진 종속성(예 P:OTHER_KNOWN 유형)이 있는 모든 프로젝트의 경우 D_1,...,D_k D 1 , . . . , D k 를 갖습니다.

또는 우리는 단순히 이렇게 말할 수도 있습니다.

다음 방정식도 성립합니다.

여기서 우리는 W(P \rightarrow D_i) W ( P → D i ) 를 P_{other\_known} P o t h e r _ k n o w n 에 의해 스케일링되거나 정규화된 가중치로 취급합니다. 스케일링되지 않은 가중치는 W(P_{other\_known} \rightarrow D_i) W ( P o t h e r _ k n o w n → D i ) 입니다 .

예를 들어, 다음 그래프를 다시 참조하면 다음을 알 수 있습니다.

• Cypherpunk Movement->Cypherpunk Movement:SELF = 0.4
• Cypherpunk Movement->Cypherpunk Movement:OTHERS_KNOWN = 0.6
• Cypherpunk Movement->Cypherpunk Movement:OTHERS_UNKNOWN = 0
• Cypherpunk Movement:OTHERS_KNOWN->Swiss direct democracy = 0.050
• Cypherpunk Movement->Swiss direct democracy = 0.6*0.050 = 0.03

예제_출력 1882×976 321KB