Reddit评论排名算法

?上一篇文章介绍了Reddit的排名算法，今天继续上一篇文章，需要学习的是reddit的评论排名算法。与文章新闻类排名不同的事，评论类的算法可能发表时间没有什么关系。

????目前很多网站采用的评论排名主要有两种，即绝对好评数(好评减去差评)和好评率(好评/总评)。这两种评价方式 都存在很明显的缺陷，以下为事例：

????其中

p 是好评率n 是总投票数Z (1-α/2)?表示对应某个置信水平的z统计量，这是一个常数，可以通过查表得到。一般情况下，在 95% 的置信水平下，z统计量的值为1.96。

????可以公式看到，当n的值足够大时，这个下限值会趋向。如果n非常小(投票人很少)，这个下限值会大大小于

???? 。实际上，起到了降低”好评率”的作用，使得该评论的得分变小、排名下降。

????威尔逊得分区并不关心一个评论的投票数，而关心好评数和投票总数或采样大小的相对关系！

????

????上图是根据威尔逊得分区计算出来的值：一个评论有1个好评，没有差评，它的支持率是100%，但是由于数据量过小，系统还是会把它放到底 部。 但如果，它有10个好评，1个差评，系统可能会有足够的信息把他放到一个有着40个好评，20个差评的评论之前。因为我们基本确认当它有了40个好评的时 候，它收到的差评会少于20个。最好的一点是，一旦这个算法出错了(算法有15%的失效概率)，它会很快拿到更多的数据，因为它被排到了前面。

????威尔逊得分区间不仅仅用于评论排名，它还试用于以下情景：

垃圾邮件检测：看到这个内容并将它标记成垃圾邮件的百分比有多少？创建精华列表：看到这个内容并将它加星标件的百分比有多少？创建最受欢应列表：看到这个内容并将它转发给朋友的百分比有多少？说了那么多，再来看看威尔逊得分区间的缺点，从上面的分析中也很容易发现问题，即排行榜前列总是那些票数最多的项目，新项目或者冷门的项目，很难有出头机会。

????参考文章：

????http://en.wikipedia.org/wiki/Binomial_proportion_confidence_interval#Wilson_score_interval

????http://blog.reddit.com/2009/10/reddits-new-comment-sorting-system.html

????http://www.evanmiller.org/how-not-to-sort-by-average-rating.html