網站內容評分模型

我們可以看到目前很多的網站都會有內容評分，無論是電子商務、HTTP://www.aliyun.com/zixun/aggregation/18542.html">資訊分享還是內容下載。 內容的評分主要分為兩類，一類是使用者對內容的評分，主要針對使用者的使用感受，如電子商務網站的商品評分，內容分享網站的內容評分等，這個也是目前最普遍的評分模式，而內容的綜合評分的計算也相對比較簡單，大多是取所有使用者評分的均值 ；另一種評分方式就是網站自身對內容的評分，主要針對使用者的歷史行為資料，如通過使用者對內容的訪問情況評價內容的熱門程度等。

這裡要介紹的網站內容評分模型主要針對第二類的評分方式，因為評分的分值是相對固定的，100分制、10分制還是5分制，而使用者相對於每個內容所產生的行為資料的數值卻千差萬別，可能是千數量級，也可能是萬數量級，甚至是百萬數量級， 如何將這些資料轉化成標準的評分體制，並讓最終的分值分佈更加合理化、有效化，從而讓真正優質的內容獲得較高的評分，並推薦給使用者，是這裡重點要解決的問題。

介紹應用的案例前，先要說明下應用的環境和具體的需求：假設有一個內容分享網站，需要將網站中的內容進行評分，以5分制的形式展現，即每個內容的評分只可能出現1-5這5個分值，目的是展現出網站中每個內容的熱門程度， 為使用者的選擇和閱讀提供參考。

這是一個最簡單的內容評分的應用，上面已經非常明確的說明了評分的目的——區分內容的熱門度，以及最終的資料展現——以5分制的形式展現。 對於這樣一個明確了的資料需求，我們就可以選擇指標、搭建模型、並最終輸出結果。

評價內容的熱門度，貌似挺簡單的，直接用內容流覽量（PV）作為評定指標不就行了？ 確實，PV是個不錯的選擇，也是最簡單的一種選擇，但其實還有更好的選擇，訪問數（Visits），訪問使用者數（UV），這兩個指標能剔除同一個使用者短時間內連續刷新同一內容的情況，所以我們不妨選擇訪問使用者數UV來作為評價指標。

現在開始才是文章的關鍵內容，顯然，需要對內容的熱門程度進行評價首先要消除指標的度量單位，並把分值的分佈區間控制在要求的範圍內——1-5分。

消除度量單位？ 也許你已經想到了，是的，還是資料的標準化，這篇文章中的方法已經在多處使用，可以說是很多資料分析和資料採礦的基礎步驟。

Min-Max歸一化評分

Min-Max是最常用的資料歸一化方法（詳見資料標準化這篇文章的描述），處理後的資料分佈在[0,1]的區間內，接下來只要把0-1的數值轉化1-5這5個分值就行。 很簡單，先乘以4使資料落在[0,4]的分佈區間，四捨五入，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果了。 我們來看看處理後的各分值內容分佈情況的示例：

根據上面各分值內容分布圖可以看出Min-Max的評分結果的每個分值的內容數量分佈是不可控的，一般會跟網站中熱門內容和冷門內容的比例直接相關，所以當某些網站的熱門內容只占網站所有內容的20%，並且這些內容的訪問量異常高， 佔據了所有網站訪問量的80%，也就是我們平常說的符合二八法則。 那麼可能出現的情況就是大部分的內容評分集中在1分，小部分集中在5分，而中間的2、3、4分的內容分佈非常少，其實上圖就有點偏向這個趨勢，但其實很多時候我們期望的內容分佈可以偏向正態，也就是大部分內容能分佈在中間分值， 兩端分值的內容資料相對較少，於是就有了下面的另一種評分模型：

Z標準化評分

如果你的網站的內容數量很多，那麼就可以使用Z標準化（詳細描述還是參見資料標準化那篇文章，這裡不重複了）。 Z標準化的好處是可以讓資料呈現正態分佈的趨勢（不是正是我們想要的嗎  ），標準化後的資料趨於N(0,1)的正態分佈，也就是整體的均值為0，標準差為1。 再想想辦法讓他們變成隻是1-5這5個分值，當標準化後的數值：

小於等於-1.5（即-1.5σ）時：1分

大於-1.5（即-1.5σ）小於等於-0.5（即-0.5σ）時：2分

大於-0.5（即-0.5σ）小於0.5（即0.5σ）時：3分

小於等於0.5（即0.5σ）小於1.5（即1.5σ）時：4分

大於等於1.5（即1.5σ）時：5分

如果資料符合標準正態分佈，那每個分值的比例大概是，1分和5分的內容分別占7%，2分和4分的內容分別占23%，3分的內容占40%。 我們再來看看用這個方法得到的評分結果的分佈情況：

是不是看到你想要的結果了？

當然內容評分的展現方式有很多，下面是幾個網站的評分截圖，其實都不錯。

上面介紹的主要是針對單一指標的內容評分體系，其實在很多情況下內容的評分是諸多指標共同影響的結果，那麼內容的評分應該考慮所有這些影響因數，應該構建相應的模型計算內容的綜合評分，這裡不展開，之後有機會再介紹。