站長工具,就用查一把!
收錄查詢  關鍵詞排名  Alexa排名  PR檢測  友情檢測  IP反查  WHOIS查詢    更多查詢  
  收藏  最近查詢 查一把
信息分類 首頁 » 資訊信息

好站推薦

IT新聞

  業界猜想

  名人名企

建站推廣

  站長創業

  運營推廣

設計編程

  美工設計

  開發編程

豆瓣電影的分數和排序算法
信息來源:查一把 發布時間:2012/3/13

可以參考IMDB的評分模式
這是一種貝葉斯統計的算法得出的加權分(Weighted Rank-WR)
IMDB評分如下:
weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C

其中:

R = average for the movie (mean) = (Rating) (是用普通的方法計算出的平均分)

v = number of votes for the movie = (votes) (投票人數,需要注意的是,只有經常投票者才會被計算在內,這個下面詳細解釋)

m = minimum votes required to be listed in the top 250 (currently 1250) (進入imdb top 250需要的最小票數,只有三兩個人投票的電影就算得滿分也沒用的)

C = the mean vote across the whole report (currently 6.9) (目前所有電影的平均得分)

其實考慮個人信譽權重的確可以提高精確度,基本的實現并不困難,無外乎就是一些評價結果的反饋性迭代。但是由于電影評價類似于文學評論,具有過高的主觀因素,因此精確化的評分機制(比如按照影片類別、受眾特點等)其實還是相當困難——這也是我曾經想做的一個算法:即一個評論目標不是只有一個評分,而是根據用戶的身份、年齡、性別、喜好等給出一個評分,其對于不同人的差異類似“你可能會喜歡xx影片”的結果因人而異一樣

我是外行,說些外行話
1.Like的機制。我猜已經有了。
2.針對點Like的人粉絲數、活躍度、忠誠度....來給一個權重區間
3.rank值。喜歡A后,又喜歡B。然后,反過來會給A再加分。
說白了屬于facebook(like)+google(rank)的結合體。
這個只是我個人在做的一個頭腦風暴,見笑了

 

轉載請注明出處:站長工具 信息來源:http://www.3428457.live/Content/333
網友點評
彩票777群 平安证券卖股票要多久 福建快3第49 股票开户开户 华东15选5开奖公告 山西11选5跨度走势图 河北十一选五官方下载 怎样买基金才能稳赚钱 赛车图片大全 福建快三一天几期 黑龙江体彩11选5推荐号码