Cómo proporcionar los resultados más relevantes con clasificación ponderada de factores múltiples

Question

Necesito proporcionar una ordenación ponderada de los factores 2+, ordenados por "relevancia". Sin embargo, los factores no están completamente aislados, ya que quiero que uno o más de los factores afecten a la "urgencia" (peso) de los demás.

Ejemplo: contenido contribuido (artículos) se puede votar hacia arriba o hacia abajo, y por lo tanto tiene una calificación; tienen una fecha de publicación y también están etiquetados con categorías. Los usuarios escriben los artículos y pueden votar, y pueden o no tener algún tipo de clasificación (experto, etc.). Probablemente similar a StackOverflow, ¿verdad?

Quiero proporcionar a cada usuario una lista de artículos agrupados por etiqueta, pero ordenadas según la "relevancia", donde relevancia se calcula basándose en la calificación y la edad del artículo, y posiblemente afectada por la clasificación del autor . ES DECIR. un artículo altamente calificado que se escribió hace varios años puede no ser necesariamente tan relevante como un artículo de rango medio escrito ayer. Y tal vez si un artículo fue escrito por un experto sería tratado como más relevante que uno escrito por "Joe Schmoe".

Otro buen ejemplo sería assigning hotels a "meta score" comprised of price, rating, and attractions.

Mi pregunta es, ¿cuál es el mejor algoritmo para la clasificación de factores múltiples? Esto puede ser un duplicado de that question, pero estoy interesado en un algoritmo genérico para cualquier cantidad de factores (una expectativa más razonable es de 2 a 4 factores), preferiblemente una función "totalmente automática" que no tengo que modificar o requiera la entrada del usuario, y no puedo analizar el álgebra lineal y la autocomplacencia del vector propio.

---

posibilidades que he encontrado hasta ahora:

Nota: S es la "puntuación de la clasificación"

1. "linealmente ponderado" - utilizar una función como: S = (w1 * F1) + (w2 * F2) + (w3 * F3), donde wx se asignan pesos arbitrariamente, y Fx son los valores de los factores. También querrá normalizar F (es decir, Fx_n = Fx/Fmax). Creo que esto es un poco como Lucene search works.
2. "Base-N ponderada" - más como agrupación de ponderación, que es sólo una ponderación lineal en el que los pesos están aumentando múltiplos de base 10 (un principio similar al CSS selector specificity), de modo que los factores más importantes son significativamente más altos: S = 1000 * F1 + 100 * F2 + 10 * F3 ... .
3. estimado Valor Verdadero (ETV) - esto es al parecer lo Google Analytics introduced in their reporting, donde el valor de uno influencias de factores ( pesos) otro de los factores - la consecuencia de ordenar en valores más "estadísticamente significativos". El enlace lo explica bastante bien, así que aquí está la ecuación: S = (F2/F2_max * F1) + ((1 - (F2/F2_max)) * F1_avg), donde F1 es el factor "más importante" ("tasa de rebote" en el artículo), y F2 es el factor "modificador de significancia" ("visitas" en el artículo)
4. Bayesian Estimate - se ve muy similar a ETV, así es como IMDb calcula su calificación. Ver this StackOverflow post for explanation; ecuación: S = (F2/(F2+F2_lim)) * F1 + (F2_lim/(F2+F2_lim)) × F1_avg, donde Fx son lo mismo que # 3, y F2_lim es el límite de umbral mínimo para el factor de "significancia" (es decir, cualquier valor menor que X no se debe considerar).

Opciones # 3 o # 4 aspecto muy prometedor, ya que en realidad no tiene que elegir un esquema de ponderación arbitraria como lo hace en el # 1 y # 2, pero el problema es ¿cómo se hace esto por más de dos factores?

También encontré el SQL implementation for a two-factor weighting algorithm, que es básicamente lo que necesitaré para escribir eventualmente.

Answer 1

Considere encadenar los pesos. P.ej. usted tiene 3 factores: X, Y y Z. Puede calcular ETVyz como W = (Z/Zmax * Y) + (1 - Z/Zmax) * Yavg para cada registro y luego calcular ETVxw como S = (W/Wmax * X) + (1 - W/Wmax) * Xavg. Puede encadenar más factores similares.

Answer 2

Como mencioné en los comentarios, sugeriría lo que se llama la "solución de compromiso" para cualquier persona con un problema similar que esté más preocupado por no tener que establecer ponderaciones que por hacer un criterio más ponderado que los demás.

Básicamente, considera cada uno de sus criterios como una coordenada (después de la normalización, por supuesto). Según su criterio, usted elige el punto óptimo absoluto, p. en este caso, el autor de rango más alto, el artículo más nuevo, etc. Una vez que elija la solución óptima, la 'solución' de cada uno se califica en función de su distancia de la óptima. Una fórmula de muestra sería la inversa de la distancia euclidiana para el puntaje de cada artículo: S = 1/(sqrt ((rank - rank_ideal)^2 + (age - age_ideal)^2 + ... + (xn - xn_ideal)^2)).

Esto trata todos los criterios como iguales, así que tenlo en cuenta.