人气公式？（基于“喜欢”、“评论”、“意见”）答案

【问题标题】：Formula for popularity? (based on "like it", "comments", "views")人气公式？（基于“喜欢”、“评论”、“意见”）
【发布时间】：2010-06-09 07:13:12
【问题描述】：

我在网站上有一些页面，我必须根据“人气”/“活动”创建排序

我必须使用的参数是：

页面浏览量
页面制作的cmets（底部有一个表格，用户可以制作cmets）
对“喜欢”图标的点击次数

对于流行度公式有什么标准吗？（如果不是意见也很好）

（一开始我想到的是views + 10*cmets + 10*likeit）

【问题讨论】：

您如何评估正面 cmets 与负面 cmets？ “likeits”应该和 cmets 一样重要吗？
我们不评估正面与负面的 cmets。 “likeits”是否应该与 cmets 一样重要，这是我要扔掉的东西。我很灵活。（也许“最活跃”比“最流行”更好）

标签： algorithm formula popularity

【解决方案1】：

实际上有一种公认的最佳计算方法：
http://www.evanmiller.org/how-not-to-sort-by-average-rating.html

您可能需要将 'likes' 和 'cmets' 组合成一个分数，为每个分数分配您自己的权重因子，然后将其作为 'positive vote' 值插入公式。

来自上面的链接：

分数 = 威尔逊分数置信区间的下限伯努利参数

我们需要平衡正面评价的比例与少数观测的不确定性。幸运的是， Edwin B. Wilson 于 1927 年提出了这个数学公式。我们想要什么要问的是：鉴于我的收视率，有 95% 的机会正面评价的“真实”部分至少是什么？ Wilson 给出了回答。仅考虑正面和负面评级（即不是 5星等级），正面评级比例的下限是（谁）给的：

（在表示加/减的地方使用减来计算下限。）这里p̂ 是观察到的正面评价分数，zα/2 是 (1-α/2) 标准正态分布的分位数，n 是评分总数。在 Ruby 中实现的相同公式：

require 'statistics2'

def ci_lower_bound(pos, n, confidence)
    if n == 0
        return 0
    end
    z = Statistics2.pnormaldist(1-(1-confidence)/2)
    phat = 1.0*pos/n
    (phat + z*z/(2*n) - z * Math.sqrt((phat*(1-phat)+z*z/(4*n))/n))/(1+z*z/n)
end

pos 是好评数，n 是总评分评级，置信度是指统计置信度：选择 0.95 有 95% 的机会你的下限是正确的，0.975 有 97.5% 的机会，等等。这个函数中的 z 分数从不更改，因此如果您手边没有统计数据包，或者如果性能是一个问题，您始终可以在此处为z 硬编码一个值。（对于 0.95 的置信水平，使用 1.96。）

与 SQL 查询相同的公式：

SELECT widget_id, ((positive + 1.9208) / (positive + negative) - 
                   1.96 * SQRT((positive * negative) / (positive + negative) + 0.9604) / 
                          (positive + negative)) / (1 + 3.8416 / (positive + negative)) 
       AS ci_lower_bound FROM widgets WHERE positive + negative > 0 
       ORDER BY ci_lower_bound DESC;

【讨论】：

【解决方案2】：

对此没有标准公式（怎么会有？）

您所拥有的看起来是一个相当正常的解决方案，并且可能会运作良好。当然，您应该使用 10 来寻找适合您需要的值。

根据您的要求，您可能还需要添加时间因素（即每周 -X 点），以便旧页面变得不那么受欢迎。或者，您可以将“页面浏览量”更改为“上个月的页面浏览量”。同样，这取决于您的需求，可能不相关。

【讨论】：

【解决方案3】：

您可以执行 YouTube 所做的事情 - 只需按每个类别的最大数量对其进行排序。例如 - 查看最多、评论最多、最喜欢。在每个类别中，不同的页面可能首先出现，尽管排名可能是相关的。如果您只需要一个排名，那么您将不得不提出某种公式，最好通过分析您已经拥有的一堆数据并确定应该计算为好/坏的数据，然后向后工作以适应适合您决定的方程式。

您甚至可以尝试使用机器学习方法来“了解”在您的示例公式中组合这些数字的最佳权重是什么。手动完成也可能不会太难。

【讨论】：

感谢您的建议，您提出的选项已经是结果列表中的选项。最后的“整体人气”是我想要在这里得到的。

【解决方案4】：

我用过，

(C*comments + L*likeit)*100/views

您必须在哪里使用 C 和 L，具体取决于您对每个属性的重视程度。我使用 C=1 和 L=1。

这为您提供了产生积极行动的视图百分比，使项目与较高的百分比最“流行”。我喜欢这样，因为它可以让新商品一开始很受欢迎，首先出现并获得更多观看次数，从而在稳定之前变得不那么受欢迎（或更多）。

无论如何，我希望它有帮助。 PS：如果没有“*100”，它的工作原理是一样的，但我喜欢百分比。

【讨论】：

真的很好。我喜欢这是多么有效和简单。

【解决方案5】：

我更看重 cmets，而不是“喜欢它的内容是否会引起讨论”。如果只是陈述事实，那么 cmets 之类的数量似乎还可以（虽然 10 有点太多了，我认为...）

访问是否考虑到用户以某种方式花费的时间？您也可以使用它，因为 2 秒的视图意味着不到 3 分钟的视图。

【讨论】：

【解决方案6】：

Anentropic's answer 的 Java 代码：

public static double getRank(double thumbsUp, double thumbsDown) {
  double totalVotes = thumbsUp + thumbsDown;

  if (totalVotes > 0) {
    return ((thumbsUp + 1.9208) / totalVotes - 
      1.96 * Math.sqrt((thumbsUp * thumbsDown) / totalVotes + 0.9604) / 
      totalVotes) / (1 + (3.8416 / totalVotes));
  } else {
    return 0;
  }
}

【讨论】：