在贝叶斯排名系统中添加额外的因素(点击次数)

Question

我经营一个业余音乐家的音乐网站，我们有一个基于10分的评分系统，然后计算成100分中的一个整体得分。我们为用户建立了一个“可信度”评分系统，它直接影响评分点的平均得分，但下一步是实施一个有效利用这些数据的图表系统。

我将试着解释这一切是如何工作的，这样你就可以看到我有哪些数据可供我使用。

• A站点成员的评分介于1到10之间。网站成员的
• 有一个“可信度”评分，这只是网站周围各种活动的累计积分。例如，一个用户给一个评分获得100分，所以他们给予的评分越多，他们的“可信度”分数就越高。只有总可信度分数保存在数据库中，每次用户执行带有积分奖励的活动时都会更新。这些单独的活动是不被存储的。
• 根据这个用户的可信度对该轨道进行评估，计算出该轨道的加权平均值，然后将其作为1到100之间的一个数字存储在轨表中。在轨道表中的
• 中，一个曲目的收听次数(即播放次数)也被存储为一个总数。

所以我要处理的数据是：

• 对曲目的总体评分(1到100之间的数字)
• 的曲目的编号
• 的曲目的播放次数(

)

在图表系统中，我希望创建一个使用上述3组数据的排名，以便在quality (总体评级，与分级数量标准化)和popularity (播放数量)之间建立公平的平衡。但是系统应该比流行程度更多地影响质量，例如质量方面占标准化排名的75%和流行度的25%。

在搜索了这个网站后，我发现了IMDB Bayesian-style system，它有助于解决质量方面的问题，但是我如何增加流行程度(播放的数量)，并以我想要的方式实现它的平衡？

该网站是用PHP和MySQL编写的，如果这有帮助的话。

编辑:标题上写着“点击次数”，但这基本上等同于“剧本数量”。

Answer 1

您可能想尝试以下几种方法。您提到的IMDB方程使用称重来倾向于电影的平均评级或所有电影的平均评级：

WR = (v/(v+m)) × R + (m/(v+m)) × C 

所以

v << m => v/(v+m) -> 0; m/(v+m) -> 1 => WR -> C

和

v >> m => v/(v+m) -> 1; m/(v+m) -> 0 => WR -> R

这通常应该是公平的。根据剧本的数量计算0到100之间的受欢迎程度是非常困难的，除非你真的知道你的数据。首先，尝试计算平均播放次数avg(p)和方差var(p)，然后可以使用它们来使用技术调用白化来缩放播放数：

WHITE(P) = (p - avg(p))/var(p)

通过假设数据看起来像钟形曲线，这将给出-1到1之间的分数。然后，通过再次缩放，您可以将其缩放到0- 100范围：

POP = 50 * (1 + WHITE(P))

要将基于加权因子w(例如0.75)的分数组合起来，您只需这样做：

RATING = w x WR + (1 - w) x POP

玩这些让我知道你是怎么相处的。

注:这并不能解释一个事实，一个使用可以“游戏”的普及购买玩了很多次。你可以通过惩罚一首歌的多个剧本来解决这个问题：

deltaP = (1 - (Puser - 1)/TPuser)，其中：

• deltaP =在#plays中更改
• Puser=此用户已播放此曲目的次数
• TPuser=用户

播放的总曲目数(并不是唯一的)

因此，用户只播放一个音轨的次数越多，它对该曲目的播放总数的计数就越少。如果用户的收听习惯是多样的，那么TPuser就会很大，所以deltaP将趋于1，这仍然可以被玩，但这是一个好的开始。