基于投票数量和五星评级的评级对象算法

Question

我正在建立一个网站，人们可以通过分配星级评分（比如5星评级）来评价他们选择的对象。对象按一系列标签和类别排列，例如。电子产品＆gt;显卡＆gt; pci express＆gt; ...或维护＆gt;承包商＆gt;水管工。

如果其他用户搜索特定类别或标记，则匹配必须返回该类别中的最高“评级”对象。然而，如果一个人只为一个物体投票5星，而1000个用户平均投票另一个物体的4.5星，那么该系统将是有缺陷的。显然，逻辑规定可信度将给予1000个用户评级对象，而不是由1个用户评估的对象，即使它具有“较低”分数。

相反，相信具有分数为4.8的用户评级为500的对象比信任具有1000个用户评级为4.5的对象更可靠。

什么算法可以实现这种加权？

Answer 1

这个问题的一个很好的答案是： http://www.evanmiller.org/how-not-to-sort-by-average-rating.html

Answer 2

按推荐排序时，您可以使用Bayesian average。

Answer 3

我很想得到一个截止点（比如，五十票，虽然这显然取决于交通），在此之前你认为这个项目没有被排除在外。这将大大降低垃圾邮件/白痴排名的动机（特别是如果每​​次投票都与用户帐户相关联），并且还可以为您提供简单，快速实施且相当可靠的系统。

Answer 4

simboid_function(value) = 1/(1+e^(-value));

rating = simboid_function(number_of_voters) + simboid_function(average_rating);