Nguồn Dữ liệu AI Crypto: Cách Mọi Câu trả lời của CMC AI Được Trích dẫn

Những điểm rút gọn chính

• Một nguồn được xác định bởi URL của nó, đây cũng là khóa định danh, vì vậy danh sách được loại bỏ trùng lặp dựa trên URL đã chuẩn hóa thay vì tiêu đề.
• Sự tập trung nguồn ở mức cao và thay đổi đáng kể theo loại câu hỏi. Trong câu hỏi thảo luận, 84% các nguồn được liên kết là các bài đăng trên x.com. Tính trên bốn loại câu hỏi, x.com chiếm 51%.
• 206 liên kết đó chỉ thuộc về 13 hostname riêng biệt, vì vậy cơ sở nguồn có sự tập trung cao chứ không rộng rãi.
• API trả về sources_count, tổng số thực tế đằng sau một câu trả lời, bên cạnh một mảng sources[] bị giới hạn và một cờ sources_truncated.
• Yêu cầu sources_limit=0 vẫn trả về sources_count, vì vậy số lượng trích dẫn có thể được hiển thị mà không cần truyền tải mảng dữ liệu.

Nguồn là gì

Đối tượng nguồn được thiết kế tinh gọn một cách có chủ đích. Trường bắt buộc duy nhất của nó là URL chuẩn tắc của trang chứa thông tin, và vì URL đó là trường duy nhất, nó cũng là định danh được sử dụng để loại bỏ trùng lặp. Hai mục nhập trỏ đến cùng một bài viết, đến từ các chuỗi truy vấn khác nhau, được coi là cùng một nguồn và được gộp làm một.

Điều đó đặt trọng tâm vào việc chuẩn hóa URL, mà tài liệu mô tả là buộc sử dụng https, loại bỏ các tham số theo dõi và hiển thị, loại bỏ www., chuẩn hóa twitter.com thành x.com, và loại bỏ các đoạn (fragments) trước khi mảng được loại bỏ trùng lặp. Trong số 206 liên kết nguồn đã xuất bản được đo lường, mọi liên kết đều sử dụng https và không có liên kết nào mang chuỗi truy vấn, vì vậy việc buộc sử dụng giao thức và loại bỏ tham số đều được thực hiện trên bề mặt hiển thị.