网站内容评分模型

　　我们可以看到目前很多的网站都会有内容评分，无论是电子商务、信息分享还是内容下载。内容的评分主要分为两类，一类是用户对内容的评分，主要针对用户的使用感受，如电子商务网站的商品评分，内容分享网站的内容评分等，这个也是目前最普遍的评分模式，而内容的综合评分的计算也相对比较简单，大多是取所有用户评分的均值；另一种评分方式就是网站自身对内容的评分，主要针对用户的历史行为数据，如通过用户对内容的访问情况评价内容的热门程度等。
　　这里要介绍的网站内容评分模型主要针对第二类的评分方式，因为评分的分值是相对固定的，100分制、10分制还是5分制，而用户相对于每个内容所产生的行为数据的数值却千差万别，可能是千数量级，也可能是万数量级，甚至是百万数量级，如何将这些数据转化成标准的评分体制，并让最终的分值分布更加合理化、有效化，从而让真正优质的内容获得较高的评分，并推荐给用户，是这里重点要解决的问题。
　　内容评分实例
　　介绍应用的案例前，先要说明下应用的环境和具体的需求：假设有一个内容分享网站，需要将网站中的内容进行评分，以5分制的形式展现，即每个内容的评分只可能出现1-5这5个分值，目的是展现出网站中每个内容的热门程度，为用户的选择和阅读提供参考。
　　这是一个最简单的内容评分的应用，上面已经非常明确的说明了评分的目的——区分内容的热门度，以及最终的数据展现——以5分制的形式展现。对于这样一个明确了的数据需求，我们就可以选择指标、搭建模型、并最终输出结果。
　　1、选择指标
　　评价内容的热门度，貌似挺简单的，直接用内容浏览量（PV）作为评定指标不就行了？确实，PV是个不错的选择，也是最简单的一种选择，但其实还有更好的选择，访问数（Visits），访问用户数（UV），这两个指标能剔除同一个用户短时间内连续刷新同一内容的情况，所以我们不妨选择访问用户数UV来作为评价指标。
　　2、构建评分模型
　　现在开始才是文章的关键内容，显然，需要对内容的热门程度进行评价首先要消除指标的度量单位，并把分值的分布区间控制在要求的范围内——1-5分。
　　消除度量单位？也许你已经想到了，是的，还是数据的标准化，这篇文章中的方法已经在多处使用，可以说是很多数据分析和数据挖掘的基础步骤。
　　Min-Max归一化评分
　　Min-Max是最常用的数据归一化方法（详见数据标准化这篇文章的描述），处理后的数据分布在[0,1]的区间内，接下来只要把0-1的数值转化1-5这5个分值就行。很简单，先乘以4使数据落在[0,4]的分布区间，四舍五入，是不是只剩下0-4这5分分值了，再加1就可以得到我们想要的结果了。我们来看看处理后的各分值内容分布情况的示例：
　　根据上面各分值内容分布图可以看出Min-Max的评分结果的每个分值的内容数量分布是不可控的，一般会跟网站中热门内容和冷门内容的比例直接相关，所以当某些网站的热门内容只占网站所有内容的20%，并且这些内容的访问量异常高，占据了所有网站访问量的80%，也就是我们平常说的符合二八法则。那么可能出现的情况就是大部分的内容评分集中在1分，小部分集中在5分，而中间的2、3、4分的内容分布非常少，其实上图就有点偏向这个趋势，但其实很多时候我们期望的内容分布可以偏向正态，也就是大部分内容能分布在中间分值，两端分值的内容数据相对较少，于是就有了下面的另一种评分模型：
　　Z标准化评分
　　如果你的网站的内容数量很多，那么就可以使用Z标准化（详细描述还是参见数据标准化那篇文章，这里不重复了）。Z标准化的好处是可以让数据呈现正态分布的趋势（不是正是我们想要的吗 ），标准化后的数据趋于N(0,1)的正态分布，也就是整体的均值为0，标准差为1。再想想办法让他们变成只是1-5这5个分值，当标准化后的数值：
　　小于等于-1.5（即-1.5σ）时：1分
　　大于-1.5（即-1.5σ）小于等于-0.5（即-0.5σ）时：2分
　　大于-0.5（即-0.5σ）小于0.5（即0.5σ）时：3分
　　小于等于0.5（即0.5σ）小于1.5（即1.5σ）时：4分
　　大于等于1.5（即1.5σ）时：5分
　　如果数据符合标准正态分布，那每个分值的比例大概是，1分和5分的内容分别占7%，2分和4分的内容分别占23%，3分的内容占40%。我们再来看看用这个方法得到的评分结果的分布情况：
　　是不是看到你想要的结果了？
　　3、输出结果
　　当然内容评分的展现方式有很多，下面是几个网站的评分截图，其实都不错。
　　上面介绍的主要是针对单一指标的内容评分体系，其实在很多情况下内容的评分是诸多指标共同影响的结果，那么内容的评分应该考虑所有这些影响因子，应该构建相应的模型计算内容的综合评分，这里不展开，之后有机会再介绍。
　　» 本文采用BY-NC-SA 协议，转载请注明来源：网站数据分析 »《网站内容评分模型》