我正在开发一个用户评价内容（1-5星）的网站。我需要衡量内容的受欢迎程度（也称为重要性/热度/兴趣）。我的第一个想法是添加内容的用户评分：
人气= SUM（评分 - 2.5）
如果两个用户给它5星，一个给它2星，它的流行度为2.5 + 2.5-0.5 = 4.5。然后，该值会受到抑制，具体取决于内容的年龄。我希望它尽可能准确，所以我想知道这是否“足够好”或者是否有更好的方法，例如分析评级的分布，或者我是否必须引入更多指标（观点，评论，分享，内容花费的时间等）。
答案 0 :(得分：2)
这是一个经典问题。您的方法很好，但它是否考虑了分数的可靠性？你提示那不是。
帖子获得的评分越多，评分就越可靠地告诉您价值。
另一方面，单个不良评级的信任度较低。
能够考虑数据集的可靠性，并通过计算它告诉我们的内容，统计数据中的贝叶斯是关于什么的。您需要贝叶斯平均值：请参阅这些文章here和excellent set of resources here。
由于这是一个堆栈溢出问题，here是关于如何计算平均值的许多规范SO问题之一。
如果你想要发现这个古老金块的历史和哲学层面，那么Here是一本好书。
答案 1 :(得分：1)
首先，受欢迎程度并不是一个定义明确的概念。人们可能会认为它与收视率成正比，但我也可以说“电影A很受欢迎，因为每个人都看过它，但它的质量不如预期好。”这样，有很多评级，但总体而言评级并不太好。
以天真的方式，您可以衡量每部电影的全球均值的平均偏差。
以更复杂的方式，您还应该考虑有多少评级，这很难制定。
通常，如果您正在构建推荐系统，您将使用项目相似性或用户相似性等。这是因为它们是相对的。默认情况下的受欢迎程度应该是有限的绝对比例，这很难为推荐制定权利。
如果您要使用推荐系统，我建议您阅读以下文章：