贝叶斯平均分计算

贝叶斯平均，其核心是为冷门题目提供一个补偿值使其不至于因为少量评价而产生不可靠的评分，而在评价数量多后减小补偿值的比例，最终使得随着评价数量的增加而评分逐渐逼近实际值。

评分公式如下：

贝叶斯平均

其中，C是补偿评价数（平均评价次数），M是补偿评分（平均评分），n是评价数量，s是已计算评分。通常C、M应为常量，使最终评分只与评价数量和已计算评分相关。

总之，叠加威尔逊区间与贝叶斯平均，可以将用户的两种反馈（如果只有一个评分可以直接使用贝叶斯平均）量化成最终的评分，最大程度上平衡样本数量差异的影响。