如何平衡评分数量与评分本身？

Question

对于学校项目，我们必须实施排名系统。然而，我们认为愚蠢的平均排名会很糟糕：一个用户排名 5 星的东西会比 188 个用户排名 4 星的东西有更好的平均水平，这太愚蠢了。

所以我想知道你们中是否有人有“智能”排名的示例算法。它只需要考虑给出的排名和排名的数量。

谢谢！

Answer 1

我很欣赏发布时的最佳答案，因此这里将其编码为JavaScript：

const defaultR = 2;
const defaultW = 3; // should not exceed typicalNumberOfRatingsPerAnswers 0 is equivalent to using only average of ratings

function getSortAlgoValue(ratings) {
  const allRatings = ratings.reduce((sum, r) => sum + r, 0);
  return (defaultR * defaultW + allRatings) / (defaultW + ratings.length);
}

仅列为单独的答案，因为作为回复的代码块的格式不太好

Answer 2

既然您已经说过机器只会获得排名和排名数量，我认为尝试计算加权方法可能是疏忽的。

首先，有两个未知数可以证实以下命题：在足够的情况下，较大数量的评级比较少数量的评级更能表明质量。一个例子是排名多久了？是否对使用相同方法排名的不同项目给予相同的收集持续时间（相同的关注）？其他人是，哪些市场可以访问该项目，当然，谁具体对它进行了排名？

其次，您在问题下方的评论中指出，这不是用于前端使用，而是“评级是由机器生成的，用于机器”，作为对我的评论的回应，“这不一定只是统计数据。一个一个人可能认为 50 次评级就足够了，而对于另一个人来说这可能还不够，而且某些评级者的个人资料对一个人来说可能比对另一个人来说更可靠。当这是透明的时，它可以让用户做出更明智的评估。”

为什么对于机器来说会有什么不同？ :)

无论如何，如果这是关于机器对机器的排名，那么这个问题需要更详细的信息，以便我们了解不同的机器如何生成和使用排名。

机器生成的排名是否可能存在缺陷（以便表明更多排名可能会以某种方式补偿那些“有缺陷”的排名？这意味着什么 - 这是机器错误吗？还是因为该项目对此没有用处？例如，这里有很多问题我们可能首先想要解开，包括我们是否能够了解机器如何生成排名，在某种程度上我们可能已经知道该项目对于这台机器的含义，使得综合排名是多余的。

Answer 3

在不同的平台上你会发现没有足够投票的评分被清空：“该项目没有足够的投票”
问题是你不能用一个简单的公式来计算排名。

我建议隐藏低于最低投票数的排名，但计算实习生的移动平均值。我总是更喜欢移动平均线而不是总平均线，因为它更喜欢上次的投票而不是非常旧的投票，这些投票可能是在完全不同的情况下给出的。
此外，您不需要添加所有投票的列表。您只需计算出平均值，下一次投票只会更改该值。

newAverage = weight * newVoting + (1-weight) * oldAverage

对于最后 20 个值的偏好，权重约为 0.05。 （只需尝试这个重量）

此外，我将从以下条件开始：
没有投票 = 中等范围值（1-5 颗星 => 从 3 颗星开始）
如果投票数少于 10 票，则不会显示平均值。

Answer 4

一个简单的解决方案可能是加权平均值：

sum(votes) / number_of_votes

这样，3 人投票 1 星，1 人投票 5 星，加权平均值为 (1+1+1+5)/4 = 2 星。

简单、有效，并且可能足以满足您的目的。

Answer 5

您可以使用受贝叶斯概率启发的方法。该方法的要点是对项目的真实评级有一个初步的信念，并使用用户的评级来更新您的信念。

这种方法需要两个参数：

1. 如果您对该项目根本没有评级，您认为该项目的真正“默认”评级是多少？将此数字称为R，即“初始信念”。
2. 与用户评分相比，您对初始信念的重视程度如何？将此称为 W，其中初始信念是“值得”该值的 W 用户评分。

使用参数 R 和 W，计算新评级非常简单：假设您的 W 评级值为 R< /code> 以及任何用户评分，并计算平均值。例如，如果 R = 2 和 W = 3，我们会计算以下各种场景的最终分数：

• 100 个（用户）评分为 4：(3* 2 + 100*4) / (3 + 100) = 3.94
• 3 个评级为 5，1 个评级为 4：(3*2 + 3*5 + 1*4) / (3 + 3 + 1) = 3.57
• 10 个评级为 4：(3*2 + 10*4) / (3 + 10) = 3.54
• 1 个评级为 5：(3*2 + 1*5) / (3 + 1) = 2.75
• 无用户评分：(3*2 + 0) / (3 + 0) = 2
• 1 个评分为 1：(3*2 + 1*1) / (3 + 1) = 1.75

此计算考虑了用户评分的数量以及这些评分的值。因此，最终得分大致相当于在给定数据的情况下人们对某一特定项目的期望程度。

选择R

当您选择R时，请考虑一下您愿意为没有评级的项目假设什么值。如果您立即让每个人对它进行评分，那么典型的无评分项目实际上是 2.4 分（满分 5 分）吗？如果是这样，R = 2.4 将是一个合理的选择。

您不应该为此参数使用评级量表上的最小值，因为用户评级极差的项目最终应该比没有评级的默认项目“更差”。

如果您想使用数据而不仅仅是直觉来选择R，您可以使用以下方法：

• 考虑所有至少具有一定用户评分阈值的项目（这样您就可以确信平均用户评分是相当准确）。
• 对于每个项目，假设其“真实分数”是平均用户评分。
• 选择 R 作为这些分数的中位数。

如果您想对无评级项目稍微乐观或悲观，您可以选择 R 作为分数的不同百分位，例如第 60 个百分位（乐观）或第 40 个百分位（悲观） ）。

选择W

W 的选择应取决于典型项目有多少个评级以及评级的一致性。如果项目自然获得许多评级，W 可以更高，如果您对用户评级信心不足（例如，如果您的垃圾邮件发送者活动较高），则 W 应该更高。请注意，W 不必是整数，并且可以小于 1。

选择 W 比选择 R 更主观。不过，这里有一些指导原则：

• 如果典型项目获得 C 评级，则 W 不应超过 C，否则最终得分将为更多地依赖于R而不是实际的用户评分。相反，W 应该接近 C 的一小部分，也许在 C/20 和 C/5 之间（取决于评级的噪音或“垃圾邮件”程度）。
• 如果历史评级通常是一致的（对于单个项目），则 W 应相对较小。另一方面，如果某个项目的评分差异很大，则 W 应该相对较大。您可以将此算法视为“吸收”异常高或低的 W 评级，将这些评级转变为更温和的评级。
• 在极端情况下，设置 W = 0 相当于仅使用用户评分的平均值。设置 W = infinity 相当于声明每个项目的真实评级为 R，无论用户评级如何。显然，这两个极端都不合适。
• 将 W 设置得太大可能会产生偏爱具有许多中等高评级的项目而不是具有稍少的极高评级的项目的效果。