解释

Question

我正在寻找一种基本的算法，可以更加重视最近的评论。

因此，算法的输出值是可变的。例如，具有完全相同分数的两个评论将根据创建的时间戳具有不同的排名。

Review_1
Score 10
creation 10/5/2014

Review_2 
Score 10
creation 10/5/2015

像这样的思考：

1 if review ts < 1 year
0.5 if review > year

所以，我可以使用像(review_1.score * 1) + (review_1.score * 0.5)这样的东西。

但是，如果两个评论都陈旧没有意义(review_1.score * 0.5) + (review_1.score * 0.5)，对吧？由于没有新的评论，整体将是原始分数的一半。

Answer 1

要进行加权平均，而不是将加权总数除以得分数，将加权总数除以总权重。

解释

如果您的N得分的正常平均值范围为0到maxScore，则首先添加所有得分：

score1 + score2 + ... + scoreN

根据个人得分，此值的范围可以从0到maxScore * N。因此，要将其转换为0到maxScore的范围，我们应该除以N：

(score1 + score2 + ... + scoreN) / N

如果您进行加权平均，则总分数的公式不同：

score1 * weight1 + score2 * weight2 + ... + scoreN * weightN

这不再是0到N * maxScore的范围，所以再除N是没有意义的。范围从0到：

maxScore * weight1 + maxScore * weight2 + ... + maxScore * weightN

是maxScore * totalWeight。因此，要将加权总数转换为加权平均值，我们需要除以总权重：

(score1 * weight1 + ... + scoreN * weightN) / (weight1 + ... + weightN)

请注意，如果您将每个权重设置为1，则会获得正常平均值的公式，这表示我们可能已经完成了这个数学运算。

Answer 2

为了澄清@Dan Getz并添加@collapsar答案，我将添加以下内容：

丹的公式是正确的：

$('.remove').on("click", function() { $(this).closest('.row').remove(); return false; });

加权平均值的优点是你可以选择权重！

因此，我们选择自第一条消息以来的天数作为权重。所以我会选择一些数据并说明它是如何工作的。在所有情况下，简单平均值为5.0。

首先，我们将看看随着时间的推移而增加的评级。

#include <locale>
#include <iostream>
#include <iomanip>
#include <string>

class comma_numpunct : public std::numpunct<char>
{
public:
   comma_numpunct(char thousands_sep, const char* grouping)
      :m_thousands_sep(thousands_sep),
       m_grouping(grouping){}
protected:
   char do_thousands_sep() const{return m_thousands_sep;}
   std::string do_grouping() const {return m_grouping;}
private:
   char m_thousands_sep;
   std::string m_grouping;
};

int main()
{

    std::locale comma_locale(std::locale(), new comma_numpunct(',', "\03"));

    std::cout.imbue(comma_locale);
    std::cout << std::setprecision(2) << std::fixed << 1000000.1234;
}

所以要计算权重：

(score1 * weight1 + ... + scoreN * weightN) / (weight1 + ... + weightN)

计算平均值

Date[0]:  May 6      Rating[0]: 1     Weight[0]: 0
Date[1]:  May 7      Rating[1]: 3     Weight[1]: 1
Date[2]:  May 8      Rating[2]: 5     Weight[2]: 2
Date[3]:  May 9      Rating[3]: 7     Weight[3]: 3
Date[4]:  May 10     Rating[4]: 9     Weight[4]: 4

计算：

Weight[i] = Date[i] - Date[0]

同样，评级随着时间的推移而下降：

( Rating[0]*Weight[0] + Rating[1]*Weight[1] + ... + Rating[N]*Weight[N] ) / 
( Weight[0] + Weight[1] + ... + Weight[N] )

计算将是：

(1*0 + 3*1 + 5*2 + 7*3 + 9*4) / (0 + 1 + 2 + 3 + 4) = (0+3+10+21+36)/10 = 7.0

我选择了重量，以便较大的重量对应于我想要更多重量的等级。

按时间加权排名

2 个答案:

解释