智能合約架構
我們將為幣安網絡上的合約擴展額外功能，以實現在以太坊一側接收代幣時，可清算幣安網絡上的代幣。
更多信息將由附加合約提供，如字體、背景、圖像鏈接等，以維持元數據的原貌，其中將存儲指向附加元數據的鏈接。
在網絡間轉移代幣時，元數據鏈接將原封不動。
網絡
構建網絡交互的關鍵標準是確保高水平的系統可用性，包括在高峰負載時段。鑑於大部分功能是為了交付現有內容，而非處理髮送數據，因此默認使用以下網絡工作方式：
• CloudFront（CF）作為緩存和CDN的主要提供者，對交互進行處理
• 用戶對站點的初次請求生成SSR，其結果緩存在CF層級
• 通過後端API請求主數據。數據緩存必須在後端API一側實現。
• 代幣元數據及其圖像必須從IPFS網絡獲取。為優化訪問，還應使用CloudFlare IPFS網關
服務器端提交/後端API /IPFS網絡
CloudFront
基於文本的人工智能技術概述
Quoth數據集的基本AI技術路線如下：基於AI/ML（人工智能/機器學習）處理原有和新NFT，建立網羅一切的文本內容（從圖像或視頻中提取的文本）索引。根據自動發現的類別（標籤）對原有和新條目（數以百萬）進行分類。基於對現有NFT和條目的分析確定類別。為新創建的NFT條目及原有NFT文本執行原創性（剽竊）檢查。
範圍與實施
組件關係
原有NFT /鑄造條目/語義索引/文本提取服務
全部索引數據庫
提交條目/原創性檢查/原創標籤（Is_Original_tags）
原創性（剽竊）檢測
原創性檢測組件將執行兩類核查：文字比對：如果兩個條目的標點符號和拼寫錯誤一致，則被視為相同條目。經現有條目和NFT（名稱和描述）訓練的ML模型會對常見拼寫錯誤進行自動糾正。
釋義檢測：如果兩個條目具有相似的語義表徵，且相似度達到一定門檻，則視為相同條目。項目實施中將對語義表徵的門檻及精準類別進行優化。後續實施階段將利用人工“研究報告”結果進一步優化算法。
注：上述檢查僅針對單語種（可能的翻譯將被忽略）。這方面有一個重要用例，即條目作者或能以不同語言鑄造同一條目的多個版本。
我們將基於專有技術Semantic Maps（一種基於語義的主題模型）為條目添加標籤。在此，（目標）數據集和文檔集這兩個術語可互換使用，均表示分析的文本集，例如條目或NFT描述集。
為條目添加標籤
添加標籤的步驟如下：
• 對自定義語言模型進行自監督訓練（詞語嵌入）；對於小數據集（幾GB以內的文本），一些合適的大文本數據集（如維基百科）會被添加至目標數據集中。
• 基於語言模式，計算數據集中每個文檔的語義表徵。
• 在數據集語義空間中找出若干集群，鎖定不同的“意義島”。
• 進行數據集視覺檢查時，需要計算出文檔集的二維圖，以將主題、關鍵字和文檔關聯起來。注：二維圖中的主題僅大致對應視覺集群（“意義團塊”）。
• 可選擇人工為找出的集群賦予有意義的名稱。
• 對於長文檔，首先要對原始文檔的片段（10-200單詞）執行前面4個步驟，並依次重複，以生成“文檔類別”。
目前，該方法的關鍵要求是要有足夠大的文本集，並涵蓋多元化的內容。但即使只有很小的文本集，也可使用為“黃金”文檔集計算出的主題添加標籤，例如針對一般性文本的維基百科或針對生物醫學文本的PubMed。
文本提取
• 鑑於現有NFT中使用的字體、語言和藝術效果差別巨大，建議使用現有云服務執行文本提取工作。
• Quoth將使用作為基本服務的谷歌視覺API（支持數十種語言、手寫文本及視頻），但也會檢視其他服務，例如微軟Azure和亞馬遜AWS的OCR服務。
• 提取文本後，語言不支持的文本、拼寫錯誤過多的文本以及篇幅太短的文本將被捨棄。
• 後期處理過程會糾正拼寫錯誤。
Quoth擁有紮實的技術，我們希望建立更多合作關係，以在NFT世界架起橋樑。請加入TG群了解更多信息：https://t.me/Quoth_CN；https://t.me/Quoth_ai
——————
Quoth是人工智能NFT索引協議、API以及鏈上預言機B2B服務提供商。人人都可使用Quoth APP搜索、認證和橋接任何NFT。協議、NFT市場和其他項目均可使用Quoth的API及預言機服務對現有的一切NFT進行數據和真偽驗證。
$QUOTH是協議原生代幣，用於為API節點網絡提供支持。執行神經網絡訓練、橋接和真偽驗證工作的用戶均可獲得$QUOTH獎勵。 Quoth的流動性挖礦將通過使用流動性質押的創新廣告模式進行。 Quoth多鏈節點Ravens將由獨立節點運營者運營。人人均可運行Raven節點，並接收驗證和搜索費用。 Ravens與神經網絡訓練者合作，為AI安排必要的數據，進而為預言機提供必要的NFT信息，以維護索引，為Defi和Web3驗證NFT協議API。
APP 
