介紹應(yīng)用的案例前，先要說明下應(yīng)用的環(huán)境和具體的需求：假設(shè)有一個內(nèi)容分享網(wǎng)站，需要將網(wǎng)站中的內(nèi)容進行評分，以5分制的形式展現(xiàn)，即每個內(nèi)容的評分只可能出現(xiàn)1-5這5個分值，目的是展現(xiàn)出網(wǎng)站中每個內(nèi)容的熱門程度，為用戶的選擇和閱讀提供參考。

 

　　這是一個最簡單的內(nèi)容評分的應(yīng)用，上面已經(jīng)非常明確的說明了評分的目的——區(qū)分內(nèi)容的熱門度，以及最終的數(shù)據(jù)展現(xiàn)——以5分制的形式展現(xiàn)。對于這樣一個明確了的數(shù)據(jù)需求，我們就可以選擇指標(biāo)、搭建模型、并最終輸出結(jié)果。

 

　　1、選擇指標(biāo)

 

　　評價內(nèi)容的熱門度，貌似挺簡單的，直接用內(nèi)容瀏覽量（PV）作為評定指標(biāo)不就行了？確實，PV是個不錯的選擇，也是最簡單的一種選擇，但其實還有更好的選擇，訪問數(shù)（Visits），訪問用戶數(shù)（UV），這兩個指標(biāo)能剔除同一個用戶短時間內(nèi)連續(xù)刷新同一內(nèi)容的情況，所以我們不妨選擇訪問用戶數(shù)UV來作為評價指標(biāo)。

 

　　2、構(gòu)建評分模型

 

　　現(xiàn)在才是文章的關(guān)鍵內(nèi)容，需要對內(nèi)容的熱門程度進行評價首先要消除指標(biāo)的度量單位，并把分值的分布區(qū)間控制在要求的范圍內(nèi)—1-5分。

 

　　消除度量單位？也許你已經(jīng)想到了，還是數(shù)據(jù)的標(biāo)準(zhǔn)化，這篇文章中的方法已經(jīng)在多處使用，可以說是很多數(shù)據(jù)分析和數(shù)據(jù)挖掘的基礎(chǔ)步驟。

 

　　Min-Max歸一化評分

 

　　Min-Max是最常用的數(shù)據(jù)歸一化方法（詳見數(shù)據(jù)標(biāo)準(zhǔn)化這篇文章的描述），處理后的數(shù)據(jù)分布在［0，1］的區(qū)間內(nèi)，接下來只要把0-1的數(shù)值轉(zhuǎn)化1-5這5個分值就行。很簡單，先乘以4使數(shù)據(jù)落在［0，4］的分布區(qū)間，四舍五入，是不是只剩下0-4這5分分值了，再加1就可以得到我們想要的結(jié)果了。我們來看看處理后的各分值內(nèi)容分布情況的示例：

 

　Min-Max的評分結(jié)果的每個分值的內(nèi)容數(shù)量分布是不可控的，一般會跟網(wǎng)站中熱門內(nèi)容和冷門內(nèi)容的比例直接相關(guān)，所以當(dāng)某些網(wǎng)站的熱門內(nèi)容只占網(wǎng)站所有內(nèi)容的20%，并且這些內(nèi)容的訪問量異常高，占據(jù)了所有網(wǎng)站訪問量的80%，也就是我們平常說的符合二八法則。那么可能出現(xiàn)的情況就是大部分的內(nèi)容評分集中在1分，小部分集中在5分，而中間的2、3、4分的內(nèi)容分布非常少，其實上圖就有點偏向這個趨勢，但其實很多時候我們期望的內(nèi)容分布可以偏向正態(tài)，也就是大部分內(nèi)容能分布在中間分值，兩端分值的內(nèi)容數(shù)據(jù)相對較少