跟踪相关趋势的算法

Question

我正在使用、文章、和标记(它们之间的关系是n:m)来开发一个网站。网站的一个重要部分是通过标签过滤文章。标记具有一定的权重，表示它们的相对重要性。权重随时间而变化(每天一次)，这取决于它们被用于过滤文章的频率(hits)。

我应该用什么算法来计算权重？主要标准：

• 根据历史数据(hits)，但相当短的时间(~持续10-20天)
• 过去数据的相关性随着时间的推移而下降(昨天的点击比10天前的点击率更重要)
• 尊重标签的“个人趋势”(一天内从100次到200次的标签胜过连续两天点击200次的标签)。
• 尊重新标签(没有历史记录)
• 在过去的几天里没有得到多少点击的尊重标签(高权重的标签自然会得到更多的点击，所以“弱”标签应该会偶尔得到“打破圆圈”的机会)。

Answer 1

我建议以下标签重量公式：

Score = c1 * Hits(today) + c2 * (Hits(today) - Hits(yesterday)) + c3 * Random
Weight = a * Score + (1 - a) * Weight(yesterday)

哪里

• 随机-随机值0..1
• c1，c2，c3，a-适当的常量值，0<a<1