新闻网站排名

Question

我正在建立一个新闻网站，用户可以在其中对文章进行投票。这些文章链接到不同的实体：人、地点、公司……这些实体具有全局分数和每个用户的分数。

因此，当用户对一篇文章投赞成票/反对票时，链接实体的全局分数和每个用户的分数会发生变化。

例如：有一篇文章提到了 Google 和 Microsoft。用户 A 喜欢这篇文章并投了赞成票。 Google 和 Microsoft 实体的全球和用户 A 分数增加。

我希望用户 A 对其个人分数的影响更大，而对全局分数的影响更小。

此外，实体必须以某个分数开始，以便第一个站点用户不能将分数降低太多。

我正在考虑从 0 到 1 对实体进行排名。投票是二元的：like(1)，not like(0)。

我正在查看this blog post 中提到的Bayesian average 方法，其 C=0.7 和不同的 m 值（我使用一个 m 代表个人得分，另一个代表一般得分）。我进行的测试显示个人和全球分数之间几乎没有差异。我似乎找不到正确的值。

编辑：

这是我用来计算贝叶斯的代码（python）。使用这个公式，结果会更好：

def bayesian_average(votes, C=100, m=0.7): #C higher for global
    #votes = [1,0,1,0,0,1,1,1]
    avg_votes = C
    avg_rating = m
    ent_votes = len(votes) #entity votes
    ent_rating = sum(votes) / float(ent_votes)
    ba = ( (avg_votes * avg_rating) + (ent_votes * ent_rating) ) / (avg_votes + ent_votes)
    return ba

Answer 1

当我想做这样的事情时，我现在只是去Evan Miller's home page。您可能需要以下三种技术中的一种（或多种）：

• How Not To Sort By Average Rating

• Linear Regression For Fun And Profit

• Rank Hotness With Newton's Law of Cooling