सभी टिप्पणियां समान रूप से सहायक नहीं हैं।

सभी जानवर समान हैं, लेकिन कुछ जानवर दूसरों की तुलना में अधिक समान हैं। पशु फार्म, जॉर्ज ऑरवेल ( मूल )।

Habré पर बहुत सारे लेख बहुत सारी टिप्पणियों को प्राप्त करते हैं, उदाहरण के लिए, " महीने में सर्वश्रेष्ठ " लेखों में, एक नियम के रूप में, उनमें से सौ से अधिक हैं। हेबर को पढ़ने के वर्षों में, ऐसा लगता था कि पहले स्तर की टिप्पणियों के लिए लगभग आधे मामलों में, यहाँ इस तरह की तस्वीर है

(चित्र हैबर आर्टिकल " स्केप्टिक की सूची" के आधार पर बनाया गया था)।

कट के तहत कहानी है, किस प्रकार की टिप्पणियां हैं, जहां उन्हें लागू किया जाता है और टिप्पणी कैसे छांटी जा सकती है (और क्यों) की एक संक्षिप्त चर्चा है।

सामान्यतया, टिप्पणियों, पोस्टों और अन्य सभी चीजों को छांटने की समस्या कोई नई बात नहीं है: फेसबुक इन्फोग्राफिक्स , यहां और यहां reddit पर टिप्पणियों को छांटना , और Digg से एल्गोरिदम मापदंडों का संक्षिप्त विवरण ।

पहले स्तर की टिप्पणियों को छाँटने के लिए बुनियादी तरीके

हम सरल से जटिल, संक्षेप में विधियों का वर्णन और वर्णन करेंगे। आइए सबसे सरल और सबसे भोली तरीकों से शुरू करें: औसत और इसकी विविधताएं (विवरण यहां वर्णित हैं )।

इसके बाद, अन्यथा निर्दिष्ट के अलावा, टिप्पणी से हमारा मतलब है "शीर्ष-स्तरीय टिप्पणी"। अर्थ लगभग इस प्रकार है, शीर्ष-स्तरीय टिप्पणियों को लेख में ही संबोधित किया जाता है, और दूसरे, तीसरे आदि की टिप्पणियां टिप्पणी के चारों ओर एक चर्चा होती हैं। टिप्पणियों की पूरी शाखा को ध्यान में रखने वाले तरीकों पर लेख के अंत में संक्षेप में चर्चा की गई है।

कार्य टिप्पणियों (टिप्पणी वजन) के लिए एक निश्चित स्कोर असाइन करना है और इस पैरामीटर द्वारा पूरी सूची को सॉर्ट करना है।

प्लसस की संख्या माइनस की संख्या को घटाती है

इसका उपयोग urbandEDIA ऑनलाइन शब्दकोश में किया जाता है।

यह विधि सबसे सरल है, लेकिन उपयोगकर्ताओं की अपेक्षाओं के साथ सबसे अधिक सुसंगत है। उदाहरण के लिए, ऊपर की तस्वीर में हम देखते हैं कि 72% सकारात्मक रेटिंग वाले विवरण को 70% सकारात्मक रेटिंग वाले विवरण से कम रखा गया है।

सापेक्ष औसत रेटिंग: रेटिंग की कुल संख्या के लिए प्लसस की संख्या

अमेज़ॅन पर छंटनी विकल्पों में से एक रिश्तेदार औसत रेटिंग है। मान लीजिए कि हम एक टोस्टर की तलाश कर रहे हैं और उपयोगकर्ता समीक्षाओं द्वारा छँटाई शामिल है:

यह पता चलता है कि 5 * के एकल वोट वाला एक तत्व हमेशा उन तत्वों की तुलना में अधिक होगा जिनकी इन रेटिंगों की संख्या की परवाह किए बिना कम से कम एक अन्य रेटिंग (4 *, 3 *, 2 *, 1 *) हो। सीधे शब्दों में कहें, अगर हमारे पास एक ऐसा उत्पाद है जिसकी 5 * की 9,999 रेटिंग है और 4 * में से एक है, तो यह उत्पाद 5 * की एकल रेटिंग वाले उत्पाद से कम होगा।

सकारात्मक मूल्यांकन की प्रतीक्षा की संभावना

चुनाव से पहले, जनमत सर्वेक्षण हमेशा होता है, जहां, उत्तरदाताओं की एक छोटी संख्या के अनुसार, वे दुनिया की सामान्य तस्वीर को पुनर्स्थापित करने का प्रयास करते हैं। हमारे पास उपलब्ध माप की छोटी संख्या से, हम निम्न को समझने की कोशिश करते हैं, कम से कम 0.85 की संभावना के साथ रेटिंग (पेशेवरों और उत्पाद के लिए विपक्ष) की देखी गई संख्या, सकारात्मक रेटिंग का "वास्तविक हिस्सा" क्या है?

इस तरह की चीजों की गणना आमतौर पर पुस्तक में लिखी जाने वाली सुलभ भाषा में कैसे की जाती है:
हैकर्स के लिए संभाव्य प्रोग्रामिंग और बायेसियन तरीके

संक्षेप में, इस तरह की गणना बहुत समय लेने वाली होती है, इसलिए वे विल्सन विश्वास अंतराल की निचली सीमा के लिए सूत्र का उपयोग करते हैं (यानी, आपको अनुमानित मूल्य का उपयोग करना होगा):


p प्लसस की देखी गई सापेक्ष संख्या है, n अनुमानों की कुल संख्या है, z _{α / 2} को तालिकाओं से लिया गया है, यह मानक सामान्य वितरण का मात्रात्मक (1- α / 2) है (15% z = 1 - 85% विश्वास के लिए, 5% के लिए z = 1.6 - 95% आत्मविश्वास)

यदि आपको ऐसा लगता है कि शीर्ष पर कुछ इस तरह लिखा गया है:


वह समझने योग्य भाषा और विस्तार से यह यहाँ वर्णित है , यहाँ अंत में और यह सबसे अच्छा यहाँ वर्णित है । वहां आप वर्णित विधि (और कई अन्य स्पष्ट चित्रों) के छोटे और समझने योग्य कार्यान्वयन पा सकते हैं।

विभिन्न विविधताओं में, यह विधि रैंकिंग एल्गोरिदम के भाग के रूप में रेडिट, डिग और येल्प का उपयोग करती है।

रैंडल मुनरो (xkcd के लेखक) से स्पष्टीकरण और उदाहरण, उन्होंने इस एल्गोरिथ्म को रेडिट में भी पेश किया है:

यदि कमेंट्री में केवल एक प्लस और शून्य मीनू है, तो प्लसस की सापेक्ष संख्या 1.0 है, लेकिन चूंकि बहुत कम डेटा है [n - लगभग। लेखक], सिस्टम इसे सूची के अंत में रखेगा। और अगर इसके 10 प्लस और एक माइनस हैं, तो सिस्टम में पर्याप्त आत्मविश्वास होगा [अर्थ में - सबूत; साक्ष्य को पुष्ट करना] यह टिप्पणी करने के लिए 40 प्लस और 20 minuses के साथ टिप्पणी की तुलना में अधिक है - यह देखते हुए कि जब तक टिप्पणी 40 प्लस प्राप्त करती है, तब तक लगभग निश्चित रूप से 20 से कम minuses होगा। और सिस्टम का मुख्य आकर्षण यह है कि यदि यह गलत है (15% मामलों में), तो यह जल्दी से पर्याप्त डेटा प्राप्त करेगा जिससे कम डेटा के साथ टिप्पणी बहुत ऊपर दिखाई दे।

सामान्य रूप से, अंतर्ज्ञान, इसी तरह के बायेसियन इंजेक्शन विधियों के लिए, निम्नानुसार है: हमारे पास पदों के लिए औसतन वोट करने के लिए कुछ कूबड़ है, उदाहरण के लिए, आप 0.7 की संभावना के साथ एक प्लस प्राप्त कर सकते हैं, और 0.3 की संभावना के साथ एक शून्य एक प्रकार का खराब सिक्का है। एक विशिष्ट सिक्के पर जानकारी का एक नया टुकड़ा प्राप्त करने के बाद, हम बेयस नियम के अनुसार इसके बारे में अपने विचार को सही करते हैं:

जहाँ H हाइपोथीसिस है (परिकल्पना), E मनाया गया डेटा (साक्ष्य), P (E | H) = परिणाम E प्राप्त करने की संभावना है, यदि परिकल्पना H सत्य है, तो साथ में वे हमें यह कहने का अवसर देते हैं कि यह संभावना है कि हाइपोथिसिस H, मनाया परिणाम E के लिए है।

छँटाई में नए विकल्प

ऊपर चर्चा किए गए एल्गोरिदम केवल प्लसस और मिन्यूज़ की संख्या का उपयोग करते हैं। इस भाग में, हम यह पता लगाएंगे कि अन्य पैरामीटर क्या टिप्पणियों की रैंकिंग को प्रभावित कर सकते हैं।

मुख्य स्रोत निम्नलिखित लेख होंगे:
Reddit, Stumbleupon, Del.icio.us और हैकर समाचार एल्गोरिदम उजागर!
हैकर समाचार रैंकिंग एल्गोरिदम कैसे काम करता है
Reddit रैंकिंग एल्गोरिदम कैसे काम करता है

समय

कालानुक्रमिक छंटाई के अलावा किसी को भी समय का उपयोग करने की आवश्यकता क्यों होगी? कल्पना करें कि हम "वे क्या चर्चा कर रहे हैं?" लिंक के माध्यम से लेखों पर जाते हैं। यह काफी तार्किक है (हालांकि, अन्य मूल्यांकन निर्णयों की तरह, यह बहस का विषय है) कि उपयोगकर्ता एक चर्चा और ताजा टिप्पणियों की उम्मीद करता है, यह उनके लिए धन्यवाद है कि लेख इस खंड में आते हैं।

कस्टम सामग्री वाली अन्य बड़ी साइटों के बारे में क्या? हम reddit और हैकर समाचार को देखेंगे

पदों के लिए Reddit एल्गोरिथ्म

Reddit दो अलग रैंकिंग एल्गोरिदम का उपयोग करता है: एक पोस्ट के लिए और एक टिप्पणी के लिए। टिप्पणियों के लिए, ऊपर वर्णित विकल्प का उपयोग विल्सन विश्वास अंतराल की निचली सीमा के साथ किया जाता है, लेकिन पदों के लिए समय का ध्यान रखा जाता है:

संक्षेप में एल्गोरिथ्म का वर्णन करें

मान लीजिए कि पोस्ट प्रकाशित होने में समय बी था, बी सेकंड में reddit संसाधन का निर्माण समय है, तब टी
टी = ए - बी
यानी सेकंड में रिश्तेदार पोस्ट जीवन भर।
x = पद के प्लसस और मिनटों की संख्या के बीच अंतर।
z = | x | अगर x! = 0, अन्यथा z = 1।

हैकर समाचार एल्गोरिथ्म

यह संसाधन टिप्पणियों और पोस्ट को सॉर्ट करने के लिए समान एल्गोरिथ्म का उपयोग करता है।
चलो प्रकाशन के बाद से घंटे की संख्या हो, वोटों की संख्या हो, जी एक स्थिर हो (वे कहते हैं कि यह डिफ़ॉल्ट रूप से 1.8 है):

और बकरी बटन समझौते क्यों?

ऐसा लगता है कि टिप्पणी के मामले में, रेटिंग पर्याप्त होनी चाहिए और समय महत्वपूर्ण भूमिका नहीं निभानी चाहिए। दूसरी ओर, जब टिप्पणियों की संख्या बढ़ती है, तो कई उपयोगकर्ता बस बहुत अंत तक नहीं पहुंचते हैं (300-400 टिप्पणियों के माध्यम से स्क्रॉल करने का प्रयास करें)। एक संभावित विकल्प एक के आधार पर नहीं, बल्कि कई मापदंडों से सॉर्ट करना है यानी खाते समय, अन्य चीजों के बराबर होना। उदाहरण के लिए, यदि सभी टिप्पणियों में 0 वोट हैं, तो "ताज़ा टिप्पणियां" पुराने लोगों के लिए बेहतर हैं, क्योंकि पुराने लोगों के पास एक निश्चित मात्रा में धन एकत्र करने का समय था, और यदि उन्हें नहीं मिला, तो यह नई टिप्पणियों को वरीयता देने के लायक हो सकता है।

वैकल्पिक रूप से, हम एक रैंकिंग समारोह में एक छोटे वजन क्षय तत्व के रूप में समय का उपयोग कर सकते हैं, जैसे कि रेडिट पोस्ट या हैकर समाचार टिप्पणियों में।

शाखा-व्यापी रैंकिंग

शाखा में उनके स्तर / स्थिति के आधार पर कुछ भार के साथ एक शाखा में एक प्राकृतिक टिप्पणी को ध्यान में रखना होगा (तुच्छ मामले में, हम पूरी शाखा को सहकर्मी टिप्पणियों के सेट के रूप में विचार कर सकते हैं, अर्थात् समान वजन के साथ)। मान लीजिए कि v _i ⁺ टिप्पणी i के लिए प्लसस की संख्या है (minuses के लिए समान संकेतन), और l _i टिप्पणी का नेस्टिंग स्तर है, और मैं शाखा में सभी टिप्पणी सूचकांकों का सेट हूं, तो हम पहली विधि का एक सामान्य सामान्यीकरण प्रस्तुत कर सकते हैं पूरी शाखा को ध्यान में रखते हुए:

(यहां हमारा मतलब है कि v _i ⁺ , l _i वास्तव में फ़ंक्शन हैं जो टिप्पणी सूचकांक द्वारा एक स्कॉलर को लौटाते हैं, इसलिए वे इनपुट में नहीं हैं)।

इसी तरह (भोले) तरीके से, कोई व्यक्ति टिप्पणियों की रैंकिंग के लिए अन्य तरीकों को सामान्य कर सकता है। इसकी आवश्यकता क्यों है? यदि हम मानते हैं कि रैंकिंग में न केवल प्रथम-स्तरीय टिप्पणी महत्वपूर्ण है, बल्कि, उदाहरण के लिए, संपूर्ण चर्चा मायने रखती है, तो पूरी शाखा को रैंक करना वास्तव में महत्वपूर्ण है। यदि हम लेख की शुरुआत में तस्वीर पर ध्यान देते हैं, तो "भारी रैग्ड" पहली टिप्पणी (और, जैसा कि मुझे लगता है, इस मामले के लिए) के बावजूद, पहले धागे में इसके चारों ओर एक दिलचस्प चर्चा हुई है।

वजन और उपयोगकर्ता प्रोफ़ाइल

सटीक डिग एल्गोरिथ्म आम जनता के लिए नहीं जाना जाता है, लेकिन कम से कम हम जानते हैं कि वहाँ लगभग कौन से पैरामीटर शामिल हैं (एल्गोरिथ्म के लिए स्रोत ):

• वोटों की संख्या ने समय दिया खिड़की: एक छोटी अवधि के लिए कई वोट, लंबी अवधि के लिए कई वोटों से बेहतर
• लिंक स्रोत (यह एक स्रोत के साथ एक विशेष साइट के लिए डिग, समाचार बिंदुओं के लिए विशिष्ट है): इस स्रोत से लेख कितनी बार शीर्ष पर पहुंचते हैं? (लाभ प्राप्त करें)
• लेखक प्रोफाइल
• प्रस्थान का समय: यदि लोगों का एक झुंड एक साथ सुबह तीन बजे एक लेख जोड़ता है, तो यहां कुछ गलत हो सकता है [एक विवादास्पद पैरामीटर, क्या यह नहीं है? - लगभग। लेखक]
• Digg पर समान लिंक की उपस्थिति स्वयं (डुप्लिकेट)
• वोटर प्रोफाइल
• टिप्पणियों की संख्या
• विचारों की संख्या
• ....

सामान्य तौर पर, उनके पास एक जटिल एल्गोरिथ्म है। लेकिन हम सिद्धांत रूप में इससे क्या सीख सकते हैं? आप विभिन्न तरीकों में विभिन्न मापदंडों के आधार पर पदों के लिए टिप्पणियों और वोटों के वजन को ध्यान में रख सकते हैं, और इन मापदंडों की पर्याप्त संख्या पहले से ही अन्य संसाधनों के एल्गोरिदम से जानी जाती है।

कई मायनों में, विचार समय के साथ समान है, जैसा कि एक अतिरिक्त पैरामीटर के साथ: ceteris paribus, टिप्पणियों को रैंकिंग करते समय, आप उपयोगकर्ता के वजन (या किसी विशेष हब में उसके योगदान) को भी ध्यान में रख सकते हैं, इसलिए यदि लेख पर बहुत सारी टिप्पणियां हैं, तो एक "आधिकारिक राय" ऊपर उठ जाएगी। बाकी और पढ़ने के लिए उपलब्ध होगा।

निष्कर्ष

टिप्पणी रैंकिंग कई संसाधनों का एक लोकप्रिय और अक्सर उपयोगी तत्व है। क्या यह हब पर एक आवश्यक प्रश्न है क्या वास्तव में कुछ लेखों पर टिप्पणियों की बहुतायत के साथ कोई समस्या है? यदि नहीं, तो क्या यह भविष्य में दिखाई देगा? क्या मुझे किसी अन्य छँटाई उपकरण की आवश्यकता है?

लेकिन आपको हमेशा याद रखना चाहिए कि किसी भी संसाधन के लिए मुख्य चीज टिप्पणियों की छंटाई नहीं है, लेकिन सामग्री की गुणवत्ता।