व्यक्तिगत रेटिंग बनाने के बारे में। जैसे IMHO.net

पिछले लेखों में, मैंने सरल रेटिंग के विषय पर छुआ। टिप्पणियों में मुझे रेटिंग के विषय को चित्रित करने के लिए कहा गया था, जो प्रत्येक उपयोगकर्ता के लिए अपना स्वयं का विवरण देते हैं।


हमें वर्तमान उपयोगकर्ता के लिए फिल्म की रेटिंग का अनुमान लगाने के लिए अन्य उपयोगकर्ताओं की रेटिंग का उपयोग करने की आवश्यकता है। यानी हमारा कार्य किसी विशेष उपयोगकर्ता की रेटिंग की भविष्यवाणी करना है।

परिचय

उपयोगकर्ता जिसके आधार पर रेटिंग पर विचार किया जाता है उसे हम आलोचक कहेंगे
वह उपयोगकर्ता जिसके लिए हम उस रेटिंग पर विचार करेंगे जिसे हम उपयोगकर्ता कहेंगे।

यद्यपि उपयोगकर्ता और आलोचक एक ही डेटाबेस और अंतरविरोध में हैं, लेकिन हमारे लिए उन्हें अलग तरीके से कॉल करना अधिक सुविधाजनक है। यदि उपयोगकर्ता के पास एक वोट है, तो हम कुछ का अनुमान लगा सकते हैं। लेकिन एक आवाज वाला आलोचक बेकार है। आप एक आलोचक की औसत फिल्म रेटिंग या IMDB और फिल्म खोज रेटिंग के रूप में भी जोड़ सकते हैं।

हम मानते हैं कि किसी भी फिल्म की औसत रेटिंग सांख्यिकीय रूप से विश्वसनीय होती है (फिल्म में कई वोट होते हैं), किसी भी आलोचक की औसत रेटिंग (आलोचक ने कई बार वोट दिया है) के रूप में। हम इन दो मूल्यों की भविष्यवाणी कर सकते हैं और कुछ आलोचकों और फिल्मों को रेटिंग से बहुत कम संख्या में हटा सकते हैं।

हम मान लेंगे कि 10-पॉइंट स्केल पर सभी रेटिंग 1 से 10 तक हैं। किसी भी पैमाने के लिए, यह सच है, हालांकि इसके पास जितने अधिक रेटिंग विकल्प हैं, उतना बेहतर है। हालांकि, अनुमानों के लिए have मुझे संदेह है कि यह काम करेगा। "पसंद" या "खरीद" रेटिंग के लिए, विधि काम करेगी, हालांकि, अन्य विकल्प हैं।

सर्वश्रेष्ठ आलोचक चुनना

एक सरल उदाहरण से शुरू करते हैं। हम हर शनिवार को फिल्मों में जाते हैं। हालांकि, एक प्रहार में सुअर पर नहीं जाने के लिए, हमने पहले 5-6 अखबारों में फिल्म आलोचना के स्तंभ को पढ़ा। हाल ही में, हम 5 समाचार पत्रों को पढ़ने के लिए बहुत आलसी हैं और हमें एक को चुनने की ज़रूरत है जिसकी फिल्म समीक्षक आपके लिए यथासंभव समान हैं। यानी जितना संभव हो उतना आपके फिल्म का स्वाद और स्वाद फिल्म समीक्षक से मेल खाता है।

उदाहरण के लिए, यहां दो फिल्म समीक्षकों की एक तालिका है

 आपकी रेटिंग: |  5 |  8 |  7
 फिल्म समीक्षक 1: |  5 |  8 |  4
 फिल्म समीक्षक 2: |  4 |  6 |  8

पहली फिल्म समीक्षक पर, एक को छोड़कर, सभी रेटिंग्स मेल खाती हैं। लेकिन यह आकलन बहुत अलग है। दूसरे में, सभी रेटिंग्स थोड़ी अलग हैं। सवाल यह है कि उनमें से कौन करीब है।

सवाल यह है कि आलोचक और आप के स्वाद की निकटता का संख्यात्मक अनुमान कैसे लगाया जाए? असीम रूप से कई मीट्रिक हैं जो इसे परिभाषित करते हैं। दो सबसे सरल यूक्लिडियन (स्कूल पाठ्यक्रम से दो बिंदुओं के बीच की दूरी) और मैनहट्टन (न्यू टाउन के सम्मान में) हैं।

यूक्लिड बनाम मैनहट्टन

मैनहट्टन मीट्रिक का नाम इसलिए रखा गया है क्योंकि यह उस दूरी को दर्शाती है जिसे आपको बड़े शहरों में लंबवत सड़कों पर यात्रा करने की आवश्यकता होती है, जब आप केवल समन्वय अक्षों के समानांतर चल सकते हैं।


यदि आप मैनहट्टन की गिनती करते हैं:
फिल्म समीक्षक 1: / 5-5 / + / 8-8 / + / 7-4 / = 3
फिल्म समीक्षक 2: / 5-4 / + / 8-6 / + / 7-8 / = 4
पहले बेहतर है

यदि आप यूक्लिड की गिनती करते हैं
फिल्म समीक्षक 1: (5-5) ^ 2 + (8-8) ^ 2 + (7-4) ^ 2 = 9
फिल्म समीक्षक 2: (5-4) ^ 2 + (8-6) ^ 2 + (7-8) ^ 2 = 6
दूसरा बेहतर है। मैंने रूट नहीं लिया, लेकिन असमानता इसे जारी रखने या न लेने की परवाह किए बिना जारी रहेगी।

मैट्रिक्स बहुआयामी अंतरिक्ष में दूरी को दर्शाते हैं। गणित में, एक मीट्रिक को अंतरिक्ष की एक विशेषता माना जाता है, जो कि, जैसा कि दिया गया था। और कौन सा सबसे अच्छा दार्शनिक सवाल है। दार्शनिक दृष्टिकोण से, परिकल्पना जितनी सरल होगी, उतनी ही सही होने की संभावना होगी। इस बिंदु से, यूक्लिड बेहतर है - वह किसी भी बाधा का अर्थ नहीं करता है जो उसे समन्वय अक्ष के समानांतर नहीं बढ़ने से रोकता है। एक वर्ग एक चिकनी कार्य है और गुणा का एक विशेष मामला है, जो बदले में एक विशेष मामला है। एक मॉड्यूल एक सशर्त फ़ंक्शन है। इसके अलावा, एक न्यूनतम वर्ग विधि है, जिसके साथ उन्होंने ग्रह सेरेस की भी खोज की।

यदि आप व्यवहार में बहस करते हैं, तो सब कुछ इतना सरल नहीं है। एक वर्ग एकल मजबूत पारियों के महत्व को बढ़ाता है, जैसा कि तालिका में आखिरी फिल्म के साथ है। यह एक तरफ अच्छा है - बड़े बदलाव अधिक महत्वपूर्ण हैं। हालांकि, यादृच्छिक त्रुटियों का महत्व, उपयोगकर्ता और आलोचक दोनों में वृद्धि होती है।



उपयोगकर्ता और आलोचक के बीच की दूरी समान फिल्मों के लिए उनकी रेटिंग के बीच की दूरी होगी। चूंकि अलग-अलग आलोचकों के पास अलग-अलग संख्या में फिल्में होती हैं, जिसके लिए आलोचक और उपयोगकर्ता दोनों ने मतदान किया, हमें मैचों के योग से विभाजित करने की आवश्यकता है, इसे औसत दूरी कहा जाता है। इसके अलावा, चूंकि सांख्यिकीय त्रुटियां हैं, हम औसत दूरी को इसके पूर्वानुमान (इसके बाद आरपीएस) से बदल देंगे।



सभी उपयोगकर्ताओं की रेटिंग से सभी आलोचकों की रेटिंग की एक बड़ी औसत दूरी डी (एक स्थिर द्वारा प्रतिस्थापित की जा सकती है) - हम उनके साथ दूरी के अविश्वसनीय हिस्से को बदलते हैं। f (n) दूरी के अविश्वसनीय भाग का एक अनुमान है। 0.5 / sqrt (n) सरलतम मामले में।

साहस और स्नोबेरी

यूक्लिड की एक और समस्या यह है कि वह साहस को दंडित करता है। आलोचक की औसत रेटिंग में भिन्नता जितनी कम होगी, आकस्मिक रूप से इस आलोचक को चुनने की संभावना उतनी ही अधिक होगी। उदाहरण के लिए, यदि किसी साइट के लिए औसत रेटिंग 5 है, तो केवल एक आलोचक जो केवल महिलाओं के साथ मतदान करता है, उसे सबसे अधिक उपयोगकर्ता मिलेंगे। एक आलोचक जो 1 और 9 को समान रूप से वोट करता है, उसे कम से कम उपयोगकर्ता प्राप्त होंगे। क्या यह आलोचकों को संतुलित करने के लायक है ताकि, उनके साहस की परवाह किए बिना, उन्हें उपयोगकर्ता के लिए एक समान मौका मिले - आपको अभ्यास में देखने की आवश्यकता है।

आप उपयोगकर्ताओं और आलोचकों के लिए स्नोबेरी (उपयोगकर्ता रेटिंग और औसत फिल्म रेटिंग के बीच की औसत दूरी) पर विचार कर सकते हैं और आलोचक की खोज करते समय इसे ध्यान में रख सकते हैं। सरलतम संस्करण में, उपयोगकर्ता और आलोचना के लिए एक आभासी फिल्म "स्नोबेरी" जोड़ें।

मल्टीपल क्रिटिक्स ऑप्शन

इसे उसी तरीके से हल किया जाता है। सवाल यह है कि उनके ग्रेड को कैसे संतुलित किया जाए। आप उनके लिए भारित औसत की गणना कर सकते हैं और उनमें से प्रत्येक को उसके आरपीएस के लिए एक गुणांक व्युत्क्रमानुपाती है। यहाँ भविष्यवाणी फॉर्मूला है कि उपयोगकर्ता फिल्म देगा।


di c dot उपयोगकर्ता से आलोचक की दूरी की भविष्यवाणी करता है। री - इस फिल्म का एक आलोचक मूल्यांकन।

जैसा कि आप देखते हैं, सिद्धांत में कुछ भी जटिल नहीं है - जब आप गति में इस सभी को अनुकूलित करने और रेटिंग को समायोजित करने की आवश्यकता होती है, तो व्यवहार में समस्याएं उत्पन्न होंगी।