algorithm - 在计算分数时消除偏差

Question

我有一个相对简单的算法问题，我向用户推荐问题

1. 我有一组带有答案的问题（例如，每个答案的评论）
2. 我想打分每个问题的吸引力。

当前实施：

(total comments + likes for all answers for a question) / sqrt (number of answers)

问题：

1. 有时，一个有大量活动的答案会扭曲问题的分数，即使其他 20 个答案产生的兴趣很小
2. 对于答案很少的问题，应该进行一些缩减。

希望对这两个问题的任何建议都可以否定。

Answer 1

通常，当我们想避免让一个样本过于强大时，标准的方法是通过以下方法之一：

1. 使用log(N)代替N，使每个观察的效果不那么强大¹
2. 留下“奇怪”的观察结果：只取中间的 X%，并使用它们，例如：只取这个问题的最大值的 1/4 - 3/4 喜欢的观察结果，并留下倾斜的例子。

对于第二个问题 - 我能想到的一件事是给出一个可变因素：而不是使用sqrt(number of answers)- 你可以尝试在你的数据集中每个问题的最大答案数量 (number_of_answers)^(log(number_of_answers+1)/log(max_answers+1))在哪里。这将导致问题的答案很少，我认为这就是你所追求的。max_answers

---

(1) : 我们通常取log(N+1)- 所以它也会被定义为N==0。