跟踪相对趋势的算法

Question

我正在使用文章和标记（他们的关系是 n：m ）的网站上工作。该网站的一个重要部分是按标签过滤文章。标签具有某些权重，表示它们的相对重要性。权重会随着时间的推移而变化（每天），具体取决于它们用于过滤文章的频率（点击）。）

我应该使用什么算法来计算权重？关键标准：

• 根据历史数据（点击数），但很短期（〜最后10-20 天）
• 过去数据的相关性随着时间的推移而下降（来自 昨天比10天前的点击更重要）
• 尊重个人趋势＆＃34;标签（从100开始的标签） 一天内达到200次点击，胜过两天内有200次点击的标签 行）
• 尊重新标签（没有历史点击）
• 尊重在过去几天内没有获得多次点击的标签（高权重的标签自然会获得更多的点击次数，因此＃34;较弱的标签应该仍然会被拍到＃34;打破圈子＆＃34;每隔一段时间）

Answer 1

我建议使用以下标签重量公式：

Score = c1 * Hits(today) + c2 * (Hits(today) - Hits(yesterday)) + c3 * Random
Weight = a * Score + (1 - a) * Weight(yesterday)

其中

• 随机 - 随机值0..1
• c1，c2，c3，a - 适当的常数值，0<a<1