基于“赞”、“评论”和“浏览量”的受欢迎程度公式？

Question

我在网站上有一些页面，需要根据“热度” / “活动”创建排序。要使用的参数是：

- 页面的访问量 - 在页面上发表的评论（底部有一个表单，用户可以发表评论） - 点击“喜欢”图标的次数

是否有什么公式可以用于计算热度？（如果没有，也可以提供意见）

（最初，我考虑使用浏览量+ 10 * 评论数+ 10 * 喜欢数）

- paullb

---

你如何评估正面评论和负面评论？“赞”是否应该与评论同等重要？ - Jonathan Leffler

我们不评估积极与消极的评论。"likeits" 是否应该和评论一样重要，这是我提出来的一个问题。我非常灵活。（也许“最活跃”比“最受欢迎”更好） - paullb

Answer 1

实际上，有一种公认的最佳方式来计算这个值：
http://www.evanmiller.org/how-not-to-sort-by-average-rating.html

在将它作为“正面投票”值输入到公式中之前，您可能需要将“喜欢”和“评论”组合成单个分数，并为每个分数分配自己的加权因子。

从上面的链接中：

得分 = 伯努利参数的 Wilson 分数置信区间的下限

我们需要平衡正面评级比例和少数观察数据的不确定性。幸运的是，这个问题的数学计算早在1927年就由 Edwin B. Wilson 解决了。我们想要问的是：假设我已经有了这些评级，那么“真实”的正面评级比例至少是多少？ 威尔逊给出了答案。只考虑正面和负面评级（即不使用5星级范围），正面评级比例的下限如下所示：

（在 plus/minus 处使用减号来计算下限。）这里的p̂是观察到的正面评级比例，zα/2是标准正态分布的(1-α/2)分位数，n是总评级数量。以下是在 Ruby 中实现同一公式：

require 'statistics2'

def ci_lower_bound(pos, n, confidence)
    if n == 0
        return 0
    end
    z = Statistics2.pnormaldist(1-(1-confidence)/2)
    phat = 1.0*pos/n
    (phat + z*z/(2*n) - z * Math.sqrt((phat*(1-phat)+z*z/(4*n))/n))/(1+z*z/n)
end

pos 是正面评价的数目， n 是总评价数，置信度是统计置信水平： 选择 0.95 以获得 95% 的可能性使您的下限正确，0.975 以获得 97.5% 的可能性等等。 此函数中的 z 分数永远不会改变，因此如果您没有统计软件包或者性能是一个问题， 您可以在这里硬编码一个值用于 z。（对于置信度为 0.95，请使用 1.96。）

相同的公式作为 SQL 查询：

SELECT widget_id, ((positive + 1.9208) / (positive + negative) - 
                   1.96 * SQRT((positive * negative) / (positive + negative) + 0.9604) / 
                          (positive + negative)) / (1 + 3.8416 / (positive + negative)) 
       AS ci_lower_bound FROM widgets WHERE positive + negative > 0 
       ORDER BY ci_lower_bound DESC;

- Anentropic

Answer 2

我使用，

(C*comments + L*likeit)*100/views

根据您对每个属性的重视程度，您必须使用C和L。我使用C=1和L=1。

这将为您提供生成积极操作的观看百分比，使具有更高百分比的项目成为最受欢迎的。我喜欢这个方法，因为它使新项目首先非常受欢迎，首先显示并获得更多的观看次数，从而变得不那么受欢迎（或更受欢迎），直到稳定下来。

无论如何，希望对您有所帮助。 PS：如果没有“*100”，它也可以正常工作，但我喜欢百分比。

- Ricardo

---

非常好。我喜欢这种高效简单的方式。 - Tony Beninate

Answer 3

您可以像YouTube那样做一些事情-只需按类别按最大计数进行排序。例如-最多观看，最多评论，最受欢迎。在每个类别中，不同的页面可能会排名第一，尽管排名可能会相关。如果您只需要单个排名，则必须想出某种公式，最好通过分析已有的大量数据并决定应该计算为好/坏来经验性地推导，并向后工作以适合您的决策的方程。

您甚至可以尝试机器学习方法来“学习”组合每个数字的良好加权，就像您的示例公式一样。手动完成也可能不太困难。

- filip-fku

---

谢谢您的建议，您提出的选项已经在结果列表中了。最终的“总体流行度”是我想要得到的。 - paullb

Answer 4

这方面没有标准公式（怎么可能有呢？）

你所拥有的看起来像是一个相当正常的解决方案，可能会很好地发挥作用。当然，你应该尝试调整10的值以找到适合你需求的数值。

根据你的需求，你可能还想添加时间因素（即每周-X点数），以使旧页面变得不那么受欢迎。或者，你可以将“页面浏览次数”更改为“上月页面浏览量”。同样，这取决于你的需求，可能并不相关。

- Peter Alexander

Answer 5

如果内容引发讨论，我更看重评论而不是“喜欢”。如果只是陈述事实，评论和点赞数量的比例应该相等（虽然我认为10有点太多了...）

访问次数是否考虑了用户花费的时间？您也可以使用这个指标，因为2秒的浏览量比3分钟的浏览量少。

- Rox

Answer 6

Java代码{{link1：Anentropic的答案}}：

public static double getRank(double thumbsUp, double thumbsDown) {
  double totalVotes = thumbsUp + thumbsDown;

  if (totalVotes > 0) {
    return ((thumbsUp + 1.9208) / totalVotes - 
      1.96 * Math.sqrt((thumbsUp * thumbsDown) / totalVotes + 0.9604) / 
      totalVotes) / (1 + (3.8416 / totalVotes));
  } else {
    return 0;
  }
}

- Craigo