新闻网站排名

Question

我正在建立一个新闻网站，在其中用户可以投票赞成或反对文章。文章链接到不同的实体:个人、地点、公司……这些实体具有全局分数和每个用户的分数。

因此，当用户在文章中投票赞成/反对时，链接实体的全局分数和每个用户的分数都会发生变化。

例如:有一篇文章提到了谷歌和微软。用户A喜欢这篇文章，并投票支持。谷歌和微软实体的全球和用户A得分增加。

我希望用户A对他的个人分数有更多的影响，对全局分数的影响较小。

此外，实体必须从一些分数开始，以便第一个站点用户不能减少太多分数。

我正在考虑从0到1对一个实体进行排名。投票是二元的: like(1)，而不是like(0)。

我正在用C=0.7查看this blog post中提到的Bayesian average方法，并使用不同的m值(我使用m表示个人分数，另一个表示一般分数)。我运行的测试显示，个人和全球分数几乎没有区别。似乎我找不到正确的值。

编辑：

这是我用来计算贝叶斯的代码(Python)。使用这个公式会得到更好的结果：

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

现在，当我想要做这样的事情时，我只需转到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