cyberank calculation check

[maxim-uvarov]

Патаюсь разобраться в алгоритме cyber-rank

Взял выгрузку, которую предоставил Валера graph-589000.csv

При помощи программы Cytoscape построил карту графа. Там нашел вот такой кластер:

Проверяю выдачу: https://cyb.ai/search/QmWbTb3NFfBXMrJ5GbUQSxdoYL8CMAtQ1oV4LsPXNhTfMF

Результаты в графе:

При этом в swagger получаю вот такой результат: https://lcd.bostrom.cybernode.ai/cyber/rank/v1beta1/rank/search/QmWbTb3NFfBXMrJ5GbUQSxdoYL8CMAtQ1oV4LsPXNhTfMF

Фильтрую graph-589000.csv, чтобы остались только эти ноды:

Привожу к формату в notebook Алеся. Вот мой файл с реальными данными.

1. Суммирую веса по нейронам:

2. Создаю ссылки по агентам

3. Считаю Cyberrank, обращаю внимание что в файле Алеся 8 ссылок, вместо 7 в выдаче:

Бросается в глаза, что значения cyberrank в swagger и в jupyter notebook Алеся различаются в единицах:

И между 1 и 2 результатами разнятся пропорции

Помогите разобраться, как сделать, чтобы в ноутбуке была та же размерность что и в swagger?

[maxim-uvarov]

Альтернативно, попробовал сэмулировать top запроса к swagger. Загрузил все ссылки из 'graph-589000.csv', привел к необходимому формату.

Результаты в python файле. https://github.com/maxim-uvarov/cyber/blob/cyberrank-top-csv-import/cyber-rank/cyber~Rank.ipynb

Прошу помочь разобраться, все ли сделано верно. .

По моим наблюдением очередность top похожа, но не совпадает (возможно вызвано тем, что результаты в swagger учитывают новые cyberlinks). Также, размерность разная - в python числа cyber~rank меньше 1, в swagger больше.

@litvintech @SaveTheAles

[maxim-uvarov]

Валера сказал, что чтобы получить числа похожие на те что в swagger нужно ранк из .ipynb домножить на 10^15

[mastercyb]

As far as I know python code in whitepaper still incorrect. Need to be fixed