IMDB.COM排名算法（贝叶斯公式）和Reddit评论排行算法

博客迁移：时空蚂蚁http://cui.zhbor.com/

因为最近做万维品牌口碑的项目，需要对口碑进行一个对比，现在库中也有一部分的数据了，有很多的品牌评分居然是一样的，这是库中的真实的数据，如果我简单的按平均分进行评比，也行不太公平，因为有很多评论人数很多，但有的很少。

所以我就研究了一些算法。

刚开始引用了IMDB.COM排名算法，他主要是对top250进行排名，对评分的人数有一定的限制，而我们品牌库中总不能不让相应的品牌露出。所以针对品牌库中排行使用贝叶斯公式的算法是不合适的，没有意义，因为他针对的是超过某些评论后的数据的排行，对于那些评论数没有超过最低的有效评分人数时是没有露出机会的，贝叶斯还有一个缺点：主要问题是它假设用户的投票是正态分布。比如，电影A有 10 个观众评分，5个为五星，5个为一星；电影B也有 10 个观众评分，都给了三星。这两部电影的平均得分（无论是算术平均，还是贝叶斯平均）都是三星，但是电影A可能比电影B更值得看。 

这里跟大家分享一下IMDB.COM排名算法公式：

WR = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C

具体意思：

R =  单部电影的平均得分
v = 单部电影的有效评分人数(for this top 250， only votes from regular voters are considered.)防止粉丝拉票

m =  入选top250榜单所需最低的有效评分人数
C = 所有影片的平均分

-------------------------------

IMDB.COM排名算法不可用，于是我转战reddit评论排名算法：他这里设计到一个威尔逊置信区间，可以根据置信区间的宽窄计算出更加人性化的排行榜。具体计算方法是：

1. 计算每个评论的”好评率”
2. 计算每个”好评率”的置信区间（以 95% 的概率）。
3. 根据置信区间的下限值，进行排名。这个值越大，排名就越高。

我自己感觉有些复杂，用PHP写出来如下：

1 function willson($ups=10, $downs=1){
2         $n = $ups + $downs; //评论总数
3         if($n==0) return 0;
4         $z = 1.0;
5         $phat = (float)$ups/$n;
6         return ($phat+$z*$z/(2*$n)-$z*sqrt(($phat*(1-$phat)+$z*$z/(4*$n))/$n))/(1+$z*$z/$n);
7     }

其中：

$ups 好评数

$downs 差评数 

$z 表示对应某个置信水平的z统计量，这是一个常数，可以通过查表得到。一般情况下，在 95% 的置信水平下，z统计量的值为1.96

用这个公式也会有问题，因为品牌评分是按照五个等级评分，而这个公式只有好坏评分，所以我利用置信区间的不同来进行等级排名。最后的结果是非常满意，排名很人性化，能达到自己想要的效果。如果自己用平均值计算排名自己感觉都有点不好意思了。

 

 

参考：http://www.biaodianfu.com/imdb-rank.html

参考：http://www.biaodianfu.com/reddit-comment-sorting-algorithms.html

转载于:https://www.cnblogs.com/hongbo819/p/3956824.html