我們可以看到目前很多的網(wǎng)站都會有內(nèi)容評分，無論是電子商務(wù)、信息分享還是內(nèi)容下載。內(nèi)容的評分主要分為兩類，一類是用戶對內(nèi)容的評分，主要針對用戶的使用感受，如電子商務(wù)網(wǎng)站的商品評分，內(nèi)容分享網(wǎng)站的內(nèi)容評分等，這個(gè)也是目前最普遍的評分模式，而內(nèi)容的綜合評分的計(jì)算也相對比較簡單，大多是取所有用戶評分的均值;另一種評分方式就是網(wǎng)站自身對內(nèi)容的評分，主要針對用戶的歷史行為數(shù)據(jù)，如通過用戶對內(nèi)容的訪問情況評價(jià)內(nèi)容的熱門程度等。
這里要介紹的網(wǎng)站內(nèi)容評分模型主要針對第二類的評分方式，因?yàn)樵u分的分值是相對固定的，100分制、10分制還是5分制，而用戶相對于每個(gè)內(nèi)容所產(chǎn)生的行為數(shù)據(jù)的數(shù)值卻千差萬別，可能是千數(shù)量級，也可能是萬數(shù)量級，甚至是百萬數(shù)量級，如何將這些數(shù)據(jù)轉(zhuǎn)化成標(biāo)準(zhǔn)的評分體制，并讓最終的分值分布更加合理化、有效化，從而讓真正優(yōu)質(zhì)的內(nèi)容獲得較高的評分，并推薦給用戶，是這里重點(diǎn)要解決的問題。
內(nèi)容評分實(shí)例
介紹應(yīng)用的案例前，先要說明下應(yīng)用的環(huán)境和具體的需求：假設(shè)有一個(gè)內(nèi)容分享網(wǎng)站，需要將網(wǎng)站中的內(nèi)容進(jìn)行評分，以5分制的形式展現(xiàn)，即每個(gè)內(nèi)容的評分只可能出現(xiàn)1-5這5個(gè)分值，目的是展現(xiàn)出網(wǎng)站中每個(gè)內(nèi)容的熱門程度，為用戶的選擇和閱讀提供參考。
這是一個(gè)最簡單的內(nèi)容評分的應(yīng)用，上面已經(jīng)非常明確的說明了評分的目的——區(qū)分內(nèi)容的熱門度，以及最終的數(shù)據(jù)展現(xiàn)——以5分制的形式展現(xiàn)。對于這樣一個(gè)明確了的數(shù)據(jù)需求，我們就可以選擇指標(biāo)、搭建模型、并最終輸出結(jié)果。
1、選擇指標(biāo)
評價(jià)內(nèi)容的熱門度，貌似挺簡單的，直接用內(nèi)容瀏覽量(PV)作為評定指標(biāo)不就行了?確實(shí)，PV是個(gè)不錯(cuò)的選擇，也是最簡單的一種選擇，但其實(shí)還有更好的選擇，訪問數(shù)(Visits)，訪問用戶數(shù)(UV)，這兩個(gè)指標(biāo)能剔除同一個(gè)用戶短時(shí)間內(nèi)連續(xù)刷新同一內(nèi)容的情況，所以我們不妨選擇訪問用戶數(shù)UV來作為評價(jià)指標(biāo)。
2、構(gòu)建評分模型
現(xiàn)在開始才是文章的關(guān)鍵內(nèi)容，顯然，需要對內(nèi)容的熱門程度進(jìn)行評價(jià)首先要消除指標(biāo)的度量單位，并把分值的分布區(qū)間控制在要求的范圍內(nèi)——1-5分。
消除度量單位?也許你已經(jīng)想到了，是的，還是數(shù)據(jù)的標(biāo)準(zhǔn)化，這篇文章中的方法已經(jīng)在多處使用，可以說是很多數(shù)據(jù)分析和數(shù)據(jù)挖掘的基礎(chǔ)步驟。
Min-Max歸一化評分
Min-Max是最常用的數(shù)據(jù)歸一化方法(詳見數(shù)據(jù)標(biāo)準(zhǔn)化這篇文章的描述)，處理后的數(shù)據(jù)分布在[0,1]的區(qū)間內(nèi)，接下來只要把0-1的數(shù)值轉(zhuǎn)化1-5這5個(gè)分值就行。很簡單，先乘以4使數(shù)據(jù)落在[0,4]的分布區(qū)間，四舍五入，是不是只剩下0-4這5分分值了，再加1就可以得到我們想要的結(jié)果了。我們來看看處理后的各分值內(nèi)容分布情況的示例：
根據(jù)上面各分值內(nèi)容分布圖可以看出Min-Max的評分結(jié)果的每個(gè)分值的內(nèi)容數(shù)量分布是不可控的，一般會跟網(wǎng)站中熱門內(nèi)容和冷門內(nèi)容的比例直接相關(guān)，所以當(dāng)某些網(wǎng)站的熱門內(nèi)容只占網(wǎng)站所有內(nèi)容的20%，并且這些內(nèi)容的訪問量異常高，占據(jù)了所有網(wǎng)站訪問量的80%，也就是我們平常說的符合二八法則。那么可能出現(xiàn)的情況就是大部分的內(nèi)容評分集中在1分，小部分集中在5分，而中間的2、3、4分的內(nèi)容分布非常少，其實(shí)上圖就有點(diǎn)偏向這個(gè)趨勢，但其實(shí)很多時(shí)候我們期望的內(nèi)容分布可以偏向正態(tài)，也就是大部分內(nèi)容能分布在中間分值，兩端分值的內(nèi)容數(shù)據(jù)相對較少，于是就有了下面的另一種評分模型：
Z標(biāo)準(zhǔn)化評分
如果你的網(wǎng)站的內(nèi)容數(shù)量很多，那么就可以使用Z標(biāo)準(zhǔn)化(詳細(xì)描述還是參見數(shù)據(jù)標(biāo)準(zhǔn)化那篇文章，這里不重復(fù)了)。Z標(biāo)準(zhǔn)化的好處是可以讓數(shù)據(jù)呈現(xiàn)正態(tài)分布的趨勢(不是正是我們想要的嗎)，標(biāo)準(zhǔn)化后的數(shù)據(jù)趨于N(0,1)的正態(tài)分布，也就是整體的均值為0，標(biāo)準(zhǔn)差為1。再想想辦法讓他們變成只是1-5這5個(gè)分值，當(dāng)標(biāo)準(zhǔn)化后的數(shù)值：
小于等于-1.5(即-1.5σ)時(shí)：1分
大于-1.5(即-1.5σ)小于等于-0.5(即-0.5σ)時(shí)：2分
大于-0.5(即-0.5σ)小于0.5(即0.5σ)時(shí)：3分
小于等于0.5(即0.5σ)小于1.5(即1.5σ)時(shí)：4分
大于等于1.5(即1.5σ)時(shí)：5分
如果數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布，那每個(gè)分值的比例大概是，1分和5分的內(nèi)容分別占7%，2分和4分的內(nèi)容分別占23%，3分的內(nèi)容占40%。我們再來看看用這個(gè)方法得到的評分結(jié)果的分布情況：
是不是看到你想要的結(jié)果了?
3、輸出結(jié)果
當(dāng)然內(nèi)容評分的展現(xiàn)方式有很多，下面是幾個(gè)網(wǎng)站的評分截圖，其實(shí)都不錯(cuò)。
上面介紹的主要是針對單一指標(biāo)的內(nèi)容評分體系，其實(shí)在很多情況下內(nèi)容的評分是諸多指標(biāo)共同影響的結(jié)果，那么內(nèi)容的評分應(yīng)該考慮所有這些影響因子，應(yīng)該構(gòu)建相應(yīng)的模型計(jì)算內(nèi)容的綜合評分，這里不展開，之后有機(jī)會再介紹。
