引言：文中论述了怎样通过对 NFT 数据的解读和总结来完成对艺术家更科学的推荐算法及其更艺术化的表达方式。

创作者：Mario Klingemann、Hic et Nunc - State of the Art - 2021 年 3 月 18 日（关键点）、2021 年。由艺术家自己给予。

现如今，上百万种 NFT、数万份 ERC-721 区块链智能合约和数十个交易网站跨过好几个区块链。结论，NFT 绿色生态中到处都有噪声和残片。不论你是刚进圈里的收藏者或是资深的数据加密老炮儿，想要找到有吸引力的新作品都很难。但内容推荐并不是Web3所特有的难题。

幸亏她们积累下来的数据、多年来的评估和练习，像 Netflix 和 Spotify 什么的 Web2 目前已经熟练了发现的艺术。但是对 NFT 这类为「发现」产生与众不同挑战的东西了，他的作法能够移殖吗？

我在此科学研究了几种发现 NFT 的可选择方式。

照片由 Foundation.app 给予

追踪数据

依据销售量来发现 NFT 有可能是有效的方法。不管怎样，排行和排名榜全是明确最流行的藏品的好用数据点。他们都是收藏者当然偏重于的数据，这群人常常依据销售量来进行分类。这种行为带来的好处之一就是生活中有可验证性 —— 区块链数据随便就可获得，根据运作以太币连接点，所有人都可以单独认证排行并亲身搜集数据。

排名榜生来就是一个排列的制度，只是没根据个人爱好做调整。

终究，区块链数据使我们得到一窥艺术家和收藏者的社会网络。互联网专家马上意识到 NFT 数据在揭露这类新起使用权方式里的能量。

但是，刷点击（收藏者根据把作品出售给自己去让它看起来有销售量并受人喜爱）仍是 NFT 贸易市场的棘手的问题。一些单独数据加密学者，例如 takenstheorem ，可以通过数据可视化的形式展现出彼此买卖的账户间的关联。

takenstheorem：刷点击个人行为有时候看见还挺漂亮

别的收藏者还喜欢

另一种发现 NFT 的办法是剖析与你相近的收藏者。这种行为假定，如果两个收藏者有着同一组艺术家的作品，那他们就很有可能也是有着相近的品位，可能会从其中一人个人收藏而另一人并没有藏品艺术家那边发现新世界。这用的都是 Facebook「共同好友」的思路。

根据全透明、分布式系统、实时「谁有着啥」记录，区块链丰富多样的数据特别适合制成聚类分析图。任何时刻 NFT 被迁移，它数据便被载入有关公有链的公共性帐簿，在这两个数据加密钱夹间构建起新的关联。这一数据接着就会被用以扩展收藏者社交图普。如图是我使用网络数据分析工具剖析 SuperRare 上 Jason Bailey 的收藏者互联网。这个软件还可以把艺术家的收藏者小区数据可视化，所以我把形成艺术家 Manoloide 社交图普也加入其中。

与 Jason Bailey (artnomevault) 和 Manoloide 有关联的 SuperRare 客户。2022 年 8 月 6 日的数据。由 Kyle Waters 给予

图一展现了 Jason 藏品艺术家，图二展现了 Jason 在 SuperRare 里的「一同收藏者」, 她们一同的特点在于有着 Manoloide 创作作品作品。假如我们变大 Manoloide 某个收藏者，就可以寻找 Jason 并未藏品艺术家。使我们以笔名 punk6529 的收藏者的收藏品 6529Museum 为例子。下面的图展现了一大堆 Jason 可以选择的艺术家。根据这一份聚类分析，他肯定会想要了解一下 Seerlight。

与 6529Museum 有关联的 SuperRare 客户。2022 年 8 月 6 日的数据。由 Kyle Waters 给予。

虽然这是一个过多简单化的大概实体模型，但是它展现了这类根据互联网的方式的能量。更细致的实体模型可能根据 Jason 的一致收藏者中有几个有着某一特殊艺术家的作品的精确数据来排行。将这种行为在好几条链上扩展起来（例如以太币和 Tezos），会需要将艺术家钱包连接下去以把握跨链来源的运动轨迹。

ClubNFT 的实践探索专用工具是第一个单纯根据区块链互联网数据做强烈推荐的一种手段。但是，根据合拼附加传输层、货币元数据乃至超过区块链自身，也有把要优化算法从现阶段范畴进一步扩展空间。

Mario Klingemann、Hic et Nunc - State of the Art - 2021 年 3 月 18 日、2021年。由艺术家自己给予。

帮我大量这种艺作

还有一种方式则是以 NFT 方面自身去处理这种问题。图中是艺术家 Mario Klingemann 于 2021 年 4 月所做，根据色调相似性，他把来源于 Tezos Hic Et Nunc 贸易市场里的超出 25,000 份 NFT 汇聚到了一起。还有一些高端机器视觉技术性 也可以用来根据主题风格探寻好一点的配对作品。

NFT 元数据（货币偏向的所有信息内容块）也可能给强烈推荐帮到忙。针对数据加密艺术，元数据一般包括一个代管在 IPFS（虫族文件传送系统软件）里的 JSON 文档。元数据一般包括标识、叙述和其它与作品具体内容相关的特性。对此类元数据展开分析也许会协助收藏者发现新作品。但是，并没有清楚的规范会使这种数据的统一规范极为艰难。

元数据可以提供详尽的叙述、标识和更多信息，但有时候不能提供相同的信息内容丰富度，这也许消弱 Web3 推荐引擎法律效力。

另一个关键是「剽窃挖矿」，即别人根据拷贝和锻造其他人具体内容来仿冒真正意义上的创作者。这种情况近期早已升级成让 OpenSea 应用 图像识别算法 来避免伪作的水平。一切视觉效果推荐引擎都会必须保证艺术家的作品出惩处防止强烈推荐抄袭的 NFT。虽然 ClubNFT 的实践探索专用工具没有把清除剽窃作品做为确立需求，但是它确实规定这种作品必须要有真实收藏者，以此作为恶意强烈推荐结论给予某种意义的预防。欲了解「剽窃挖矿」的作品都有什么征兆，请收看 ClubNFT 安全课程中有关诈骗的 小视频。

Seerlight、High-Rise、2022年。由艺术家自己给予。

结果

成功推荐引擎的相同点取决于有着大量的数据。根据 NFT 绿色生态里的可以用数据，显而易见还有机会构建起可以帮助收藏者纵横交错市场各种各样发现系统软件，还可以开发设计转让艺术家初露锋芒（或雄起）的各种专用工具。不管选择什么样的方法，大家都必须留意 Web2 产生教训，避免造成优化算法成见，防止再度创造出独霸一方的权力结构。Web3 专用工具也要防止对于某些艺术家厚此薄彼式不断强烈推荐，这反而会让一部分人轻而易举的得到权利。立在一名数据投资分析师的视角，发现藉藉无名的艺术家是一项极大的考验，但是只要我们可以通过关于新艺术家的大力支持代替追星文化，这种情况就可以得到彻底解决。

来源：金色财经