我们的ralis应用程序中有一个模型，其对象根据积极的用户操作分配了分数。为简单起见，我们称之为产品。如果用户喜欢产品或购买产品或查看产品，则分数会以各种权重递增（类似可能比视图更有价值，30秒范围内的两个视图可能超过三个视图分布一小时等。）
我们希望使用这些分数来帮助对产品进行排序和排名，比如热门产品列表，但出于各种原因 - 使用直接排名将不太有利于旧产品，因为他们将有更多时间获得更高的分数。
我的问题是，如何规范新旧产品之间的分数。我想过将产品得分除以一个单位的时间，比如它已经存在的天数，但我担心会过多地削减旧产品。有关将新旧产品之间的分数进行相当规范化的最佳方法的想法吗？
我也在考虑另一个问题中我发现的贝叶斯评级系统的例子：
rating = ((avg_num_votes * avg_rating) + (product_num_votes * product_rating)) / (avg_num_votes + product_num_votes)
通过查看具有多个avg的所有产品（或在我们的情况下为正vote）的分数来计算action个数字。这可能不是最好的方法，因为我们的系统没有负面评级，也没有时间考虑。
答案 0 :(得分：3)
您的问题让我想起Exponential Discounting Cash Flow in finance的概念。
概念如下：两年100美元，一年价值不到100美元，现在价值不到100美元，......
我认为我们可以在这里做一个很好的比较：昨天的产品价值超过前一天的产品但不到今天的产品。
公式很简单：
Vn = V0 * (1-t)^n
V0 初始值（正数投票的实际数量）， t 折扣率（您必须修复它，如10％）和 n 时间过去了（例如n天）。因此，产品每天将损失10％的价值（但不是初始值的10％）。
您还可以看到距您尝试更近的Hyperbolic discounting。公式可以像我想的那样：
Vn = V0 * (1/(1+k*n))
另一种方法，更简单但最粗略：线性贴现。您可以简单地给出分数的初始值，例如1000和每天，您将所有分数减1（或其他常数）。
Vn = V0 - k*n