PRE: 其实这只能算是一个总结，一个读后感外带一点引申。《基于用户投票的排名算法》系列，作者：阮一峰。这个系列的文章确实写得很漂亮，层层深入，引人思考。作者blog：
http://www.ruanyifeng.com/blog/
1. 只有赞成票
（1）单位时间内用户的投票数进行排名Delicious。
实现：每小时统计一次次数，高的在前。
优点：简单，确实能反映热度。
缺点：不够平滑；热门内容可能一直在前。
（2）时间衰减投票数Hack news
实现：P为投票数，T为时间，G为衰减因子。
优点：有淘汰策略
缺点：只能处理好评。
2. 赞成和反对差额（Reddit的热点文章）
实现：z为赞成-反对，y为赞成>反对？1：-1
优点：考虑到赞成和反对的行为，而且根据时间衰减，
缺点：基本上由发帖时间决定，超级受欢迎的文章会排在最前面，一般性受欢迎的文章、有争议的文章都不会很靠前。
3.参与度、质量、时间。StackOverflow
实现：Qviews浏览量、Qscore（问题得分）、Qanswers（回答的数量）、Ascores（回答得分）、Qage（距离问题发表的时间）、Qupdated（距离最后一个回答的时间）
优点：根据实际需要，综合了数量、质量和热度。
缺点：Ascores只是简单的相加，有可能淹没一个特别好的答案的权重。
4. 牛顿冷却定律
其实，就是按时间衰减的定律。
5. 威尔逊区间（Reddit的评论排名，目前就使用这个算法。）
实现：p表示样本的"赞成票比例"，n表示样本的大小，表Z1-a/2示对应某个置信水平的z统计量。（此公式）如果n非常小，下限值会大大小于p。
优点：解决了投票人数过少、导致结果不可信的问题。
缺点：排行榜前列总是那些票数最多的项目，新项目或者冷门的项目，很难有出头机会。
6.贝叶斯平均（IMBD）
实现：c每个项目的平均投票数，m总体平均分，x每张选票的值，n投票人数
优点：引入先验概率，每一次新的投票都是一个调整因子，使总体平均分不断向该项目的真实投票结果靠近。使得数量因素变得平均，影响变小。（数量用时间来衰减呢？前面都用到了，时间衰减使得数量增长的影响变得越来越小）
缺点：假设用户的投票是正态分布，无法凸显debate。
总上所述：
我觉得，最重要的两个因素：（1）牛顿冷却；（2）威尔逊空间。还是要根据实际的情况来进行选择。
补充一点：
应该考虑到用户投票的行为：有些人比较苛刻，给的分都比较低；而有的人比较宽容，喜欢给高分，可以统计他们投票的概率，做一个归一化，使得每个人的投票行为能统一的衡量。如果有相应的反馈机制，再加上投票人的权重衡量。
阅读(1826) | 评论(0) | 转发(0) |
