以太汽车信用算法

以太汽车是一个共享汽车&二手车b2c平台，优秀的信用算法对于以太有着重要的作用，同时也是以太的一大优势所在。

原始信用算法

最初的设想是从e股变动记录来判断某个用户（比如F）是否有拉小号的嫌疑：

1. 递归地选取F的所有下线，下线的下线……直到没有下线或人数超过32为止；

2. 假若穷尽后的F下线总数未超过32，则判定F正常；若否则进入下一步；

3. 检查被选出的F的下线的e股记录：

a) 假若其中除去关注以外的奖励次数>1，则判定该下线用户正常；

b) 假若其中除去关注以外的奖励次数≤1，则判定该下线用户有小号嫌疑；

4. 假若正常的下线人数占总下线人数的比例>5%，则判定F正常；

反之，则判定F有拉小号的嫌疑。

目前暂用的信用算法

仅以e股流水作为判断依据不够充分，现已对信用算法进行了一定的修改和扩充。

首先我们先设定一个“活跃”用户的标准：

假设一个用户从关注那天开始到现在一共有d天，e股记录中除去关注、推荐、e股退出之外的记录条数为n条。假若n/d≥0.1，则将此用户视为活跃，反之则视为不活跃。

以下就是目前暂用的信用算法的流程：

1. 检查给定用户F是否有文章被录用过，假若有则判定F正常，若无则进入下一步；

2. 检查F是否有新闻、考题被录用过，假若录用次数超过1次则判定F正常，若无则进入下一步；

3. 检查F是否有过赠送、工资记录（比如群董工资），若有则判定为正常，若无则进入下一步；

4. 计算F的总下线人数和其中活跃的下线人数（此处只考虑F的直接下线，不计入下线的下线之类的多级下线），以及花费在游戏上的以太币数目，总下线人数如果超过40转第5步，如果介于10到40之间转第6步，如果小于10转第7步；

5. 假若活跃下线人数/总下线人数≥3%，则判定F正常；假若活跃下线人数/总下线人数<3%，则判定F有拉小号嫌疑；

 6. 假若活跃下线人数<10，则判定F正常；假若活跃下线人数≥10，则比较F和他的下线的答题时间：

a) 若与F的答题时间接近（最近60次答题中有超过60%的答题时间相隔不到30分钟）的下线人数<10，则判定F正常；

b) 若答题时间接近的人数≥10，判定F有拉小号嫌疑；

7. 假若F在游戏上的花费>2以太币，则判定F正常；假若F在游戏上的花费≤2以太币，则比较F与其上线A以及A的其他下线的答题时间：

a) 若F无上线或其中与F的答题时间接近的人数<10，判定F正常；

b) 若答题时间接近的人数≥10，判定F有小号嫌疑；

欢迎大家对以太汽车的信用算法踊跃提出自己的宝贵意见和建议，我们将会根据你们的意见完善以太的信用算法。

推荐阅读