总分排名算法

Question

背景;

我正在寻找一种根据听众反馈来计算一段音频得分的方法。每次用户收听该曲目时，他们必须投票，如果他们喜欢，简单的是或否。然后每个曲目都有一个分数，基于是和否的数量。

此外，我想在31天的过程中统一衰减每次投票的价值，因此在这段时间后，其值为0并且不会影响总体总分。

我发现了很多基于reddit和黑客新闻排名算法的讨论，但这些似乎会使总得分衰减，而不是个人投票本身。根据最初投票的时间，每次投票都有不同的衰减量。

任何人都可以帮助或推荐一些材料来查看吗？

由于

Answer 1

您可以将其建模为“是”= 1.0且“否”= 0.0。 然后，在投票后的第n天投票的值=（31-n）/ 31。如果n> 1，则进一步调节这个条件31，然后将其设置为0。 希望这能回答你的问题。

Answer 2

你想要降级的加速度是多​​少？常见的是对数，因为它易于实现。得分为1表示喜欢，-1表示不喜欢。然后，当将喜欢/不喜欢加起来时，除以投票后的天数。在第1天，投票的绝对值为1.在第2天，它将是1/2。在第3天，它将值为1/3等等......在第31天，它将值为1/31（0.03）。

对数降级的问题是它很快就会下降。您可以使用许多其他方法，例如乘以log（11-d），其中第一天d = 1，第二天2，依此类推。它只允许11天的降解。 log（31-d）允许31天。您需要确保不要尝试执行log（0）或log（-x）。

整个模型的另一个问题是如何处理只有旧票的东西。如果什么东西只有喜欢，但所有的喜欢都是旧的怎么办？它会注册为不太喜欢，因为所有的喜欢都已降级。