2011-09-06 62 views
1

我在找一个评级系统,做不仅重量评级票数,也一次“活动”Ratingsystem一种考虑时间和活动

为了澄清一点:

考虑用户可以制作一些东西的网站,如图片。 还有一种类型的用户可以对其他人的照片进行投票(1-5级),但一张照片只能得到一票。

富有成效的用户获得从评价他/她的照片都收到衍生,而是应该由受影响的评价:

  • 照片是多久前提出
  • 用户已经如何生产

谁是越来越3的和4的和仍在进行每周10张图片比已经得到了5的,但只取得每周1个PIC,并停了几辆一个月前的人应该得到较高评价的用户。

我一直在寻找贝叶斯估计,但只考虑总的票数与时间或生产力无关。

我的数学功能非常强大,所以我需要的是在正确的方向微调,我可以修改一些东西来适应我的需求。

+0

你试过什么样的贝叶斯估计? Navie贝叶斯分类? – rocksportrocker

+0

我实际上还没有尝试过任何东西,但可能像imdbs –

+0

因此,我假设你看到朴素贝叶斯分类,并且你不知道如何结合连续值,因为大多数贝叶斯分类器假定某种离散分布,其中分配通过简单的计数来估计。我对吗 ? – rocksportrocker

回答

1

你可以在这里做很多事情。

显而易见的方法是在内部计算中测量分数随时间的衰减,例如使用时间常数为T的指数衰减。例如,使用value = initial_score*exp(-t/T),其中t是自提交图片以来经过的时间。所以如果T是一个月,那么在一个月后,这个分数将贡献1/e,或者它原来的0.37。 (如果这样做更方便,也可以通过value -= (dt/T)*value来实现差异化。)

可能有一种方法可以用贝叶斯方法来解决这个问题,但它似乎被强制给我了。贝叶斯方法通常是基于(通常很大的)一组先验数据来预测新事物,而这些数据并不直接匹配您的模型。