摘要:下面以論壇用戶貢獻值為例子來演示一個熱度分的計算過程。一個改進的方案是,排名之后按區間分段,比如打分,打分,以此類推。
Web開發會經常遇到給實體打分的需求,比如論壇用戶的聲望分、電商系統的類目和產品熱度分,新聞的熱度分等。有些分數只需要排序使用,有些分數需要顯示給用戶,讓用戶看到分數之后能直觀的感受到這個分數所處的位置。往往熱度分的計算并不只是參考單一維度,會有很多維度的參考。比如,如果我們想計算一個論壇的用戶的綜合貢獻值,需要參考回帖數量、發帖數量、被點贊數量等指標。下面以論壇用戶貢獻值為例子來演示一個熱度分的計算過程。
首先,初始化一個用戶表,200條記錄,字段為id,post_count, reply_count, faver_count,值為隨機整數。
SELECT row_number() over() as id, (generate_series * random())::integer as post_count, (generate_series * random())::integer as reply_count, (generate_series * random())::integer as faver_count INTO TABLE users FROM (SELECT * FROM generate_series(1, 200)) AS r;
users表數據如下:
select * from users limit 10; id | post_count | reply_count | faver_count ----+------------+-------------+------------- 1 | 0 | 0 | 0 2 | 2 | 1 | 1 3 | 2 | 2 | 1 4 | 3 | 0 | 1 5 | 3 | 3 | 4 6 | 4 | 3 | 3 7 | 4 | 0 | 3 8 | 5 | 4 | 3 9 | 7 | 2 | 5 10 | 6 | 3 | 5Row Number
最簡單的想法是單指標的排名相加,比如,按post_count從大到小排序,算出post_num,reply和faver同理:
SELECT *, row_number() over(order by post_count desc) as post_num, row_number() over(order by reply_count desc) as reply_num, row_number() over(order by faver_count desc) as faver_num FROM users;
計算結果如下,score = a * post_num + b * reply_num + c * faver_num,其中abc為加權系數。這樣的計算方法存在一個問題,score的范圍不確定,一個用戶打了99分的話,我們無法從99這個數值看出他處于什么位置。
id | post_count | reply_count | faver_count | post_num | reply_num | faver_num -----+------------+-------------+-------------+----------+-----------+----------- 187 | 62 | 25 | 173 | 70 | 122 | 1 169 | 6 | 57 | 167 | 176 | 69 | 2 171 | 2 | 46 | 162 | 193 | 84 | 3 172 | 41 | 152 | 162 | 101 | 6 | 4 200 | 76 | 193 | 149 | 51 | 1 | 5 156 | 62 | 116 | 144 | 69 | 28 | 6 166 | 114 | 31 | 144 | 20 | 109 | 7 153 | 127 | 97 | 138 | 10 | 39 | 8 135 | 25 | 131 | 135 | 135 | 16 | 9 186 | 112 | 147 | 134 | 23 | 7 | 10 163 | 106 | 134 | 133 | 28 | 13 | 11 155 | 124 | 3 | 132 | 14 | 188 | 12 173 | 74 | 92 | 132 | 53 | 42 | 13 133 | 119 | 78 | 132 | 17 | 53 | 14NTile
一個改進的方案是,排名之后按區間分段,比如1-10打1分,11-20打2分,以此類推。這樣可以把每個指標的范圍確定,再加權之后范圍也是可以計算的。
SELECT *, ntile(10) over(order by post_count desc) as post_num, ntile(10) over(order by reply_count desc) as reply_num, ntile(10) over(order by faver_count desc) as faver_num FROM users;
按區間分段存在的問題是,結果不夠平滑,也不能反映不同用戶之間的差別,比如第一名和第二名分別為10000和100,分段之后他們得到相同的分數,體現不出差異。
id | post_count | reply_count | faver_count | post_num | reply_num | faver_num -----+------------+-------------+-------------+----------+-----------+----------- 187 | 62 | 25 | 173 | 4 | 7 | 1 169 | 6 | 57 | 167 | 9 | 4 | 1 171 | 2 | 46 | 162 | 10 | 5 | 1 172 | 41 | 152 | 162 | 6 | 1 | 1 200 | 76 | 193 | 149 | 3 | 1 | 1 156 | 62 | 116 | 144 | 4 | 2 | 1 166 | 114 | 31 | 144 | 1 | 6 | 1 153 | 127 | 97 | 138 | 1 | 2 | 1 135 | 25 | 131 | 135 | 7 | 1 | 1 186 | 112 | 147 | 134 | 2 | 1 | 1 163 | 106 | 134 | 133 | 2 | 1 | 1 155 | 124 | 3 | 132 | 1 | 10 | 1 173 | 74 | 92 | 132 | 3 | 3 | 1 133 | 119 | 78 | 132 | 1 | 3 | 1 174 | 42 | 14 | 131 | 5 | 8 | 1 181 | 120 | 10 | 130 | 1 | 8 | 1 148 | 38 | 120 | 129 | 6 | 2 | 1 176 | 84 | 105 | 128 | 3 | 2 | 1 128 | 113 | 103 | 128 | 2 | 2 | 1 179 | 114 | 118 | 127 | 1 | 2 | 1 157 | 66 | 120 | 127 | 4 | 2 | 2 198 | 122 | 35 | 126 | 1 | 6 | 2 195 | 166 | 112 | 118 | 1 | 2 | 2 192 | 175 | 124 | 117 | 1 | 1 | 2Z Score
標準分數(Standard Score,又稱z-score,中文稱為Z-分數或標準化值)在統計學中是一種無因次值,就是一種純數字標記,是借由從單一(原始)分數中減去母體的平均值,再依照母體(母集合)的標準差分割成不同的差距,按照z值公式,各個樣本在經過轉換后,通常在正、負五到六之間不等。
WITH post AS (SELECT avg(post_count) as mean, stddev(post_count) as sd from users), reply AS (SELECT avg(reply_count) as mean, stddev(reply_count) as sd from users), faver AS (SELECT avg(faver_count) as mean, stddev(faver_count) as sd from users) SELECT users.*, ((post_count - post.mean) / post.sd)::numeric(6,3) AS z_score_post, ((reply_count - reply.mean) / reply.sd)::numeric(6,3) AS z_score_reply, ((faver_count - faver.mean) / faver.sd)::numeric(6,3) AS z_score_faver FROM users, post, faver, reply ORDER BY 4 DESC
結果如下:
id | post_count | reply_count | faver_count | z_score_post | z_score_reply | z_score_faver -----+------------+-------------+-------------+--------------+---------------+--------------- 187 | 62 | 25 | 173 | 0.251 | -0.543 | 2.835 169 | 6 | 57 | 167 | -1.076 | 0.150 | 2.697 172 | 41 | 152 | 162 | -0.247 | 2.208 | 2.582 171 | 2 | 46 | 162 | -1.171 | -0.088 | 2.582 200 | 76 | 193 | 149 | 0.582 | 3.096 | 2.283 156 | 62 | 116 | 144 | 0.251 | 1.428 | 2.168 166 | 114 | 31 | 144 | 1.483 | -0.413 | 2.168 153 | 127 | 97 | 138 | 1.791 | 1.016 | 2.031 135 | 25 | 131 | 135 | -0.626 | 1.753 | 1.962 186 | 112 | 147 | 134 | 1.435 | 2.099 | 1.939 163 | 106 | 134 | 133 | 1.293 | 1.818 | 1.916 133 | 119 | 78 | 132 | 1.601 | 0.605 | 1.893 173 | 74 | 92 | 132 | 0.535 | 0.908 | 1.893 155 | 124 | 3 | 132 | 1.720 | -1.019 | 1.893 174 | 42 | 14 | 131 | -0.223 | -0.781 | 1.870 181 | 120 | 10 | 130 | 1.625 | -0.868 | 1.847 148 | 38 | 120 | 129 | -0.318 | 1.515 | 1.824 128 | 113 | 103 | 128 | 1.459 | 1.146 | 1.801 176 | 84 | 105 | 128 | 0.772 | 1.190 | 1.801 179 | 114 | 118 | 127 | 1.483 | 1.471 | 1.778
Z-Score的意義是樣本值到均值之間有多少個標準差,它的取值理論上也是沒有范圍的,但如果樣本數值服從正態分布,會有99%以上的值落在[-3, 3]這個區間。如圖:
其實從上面我們計算的結果也可以觀察出這個結論。對于落在[-3, 3]區間外的數據,我們可以調整為3或-3,這個影響完全可以忽略不計。使用Z-Score之后,我們可以保證了分數值既平滑又有范圍區間。
Linkshttps://zh.wikipedia.org/wiki...
https://docs.snowflake.net/ma...
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/39020.html
摘要:機器學習派是后起之秀,而相似度派則是泰山北斗,以致撐起來推薦系統的半壁江山。純來做推薦基本不靠譜,所以我們來試一下基于和相似度來實現一個推薦系統。 對于內容類網站或者APP,搜索和推薦已經是標配。搜索相對容易,使用Elasticsearch簡單配置一下就可以做出一個性能還不錯效果也還可以的搜索引擎,然而,推薦系統的話,沒有專門的團隊實踐起來還挺困難的。 網上推薦系統相關的理論非常多,但...
摘要:機器學習派是后起之秀,而相似度派則是泰山北斗,以致撐起來推薦系統的半壁江山。純來做推薦基本不靠譜,所以我們來試一下基于和相似度來實現一個推薦系統。 對于內容類網站或者APP,搜索和推薦已經是標配。搜索相對容易,使用Elasticsearch簡單配置一下就可以做出一個性能還不錯效果也還可以的搜索引擎,然而,推薦系統的話,沒有專門的團隊實踐起來還挺困難的。 網上推薦系統相關的理論非常多,但...
閱讀 3010·2021-10-08 10:18
閱讀 730·2019-08-30 15:54
閱讀 1062·2019-08-29 18:43
閱讀 2434·2019-08-29 15:33
閱讀 1298·2019-08-29 15:29
閱讀 1599·2019-08-29 13:29
閱讀 1022·2019-08-26 13:46
閱讀 1693·2019-08-26 11:55