算法跟蹤的相對趨勢

Question

我正在一個網站上文章和標籤（他們的關係是N：M）。網站的一個重要部分是通過標籤過濾文章。這些標籤具有某些重量，代表它們的相對重要性。重量隨時間變化（每天），取決於它們用於過濾物品的頻率（命中））。

我應該使用什麼算法來計算權重？關鍵標準：

• 基於歷史數據（命中），但相當短期（〜最後10-20 天）
• 過去數據的相關性下降一段時間（從 昨天的點擊率是更重要比10天前點擊）
• 尊重標籤的「個人傾向」（即從100 到200命中走了一天之內先後戰勝的是有200次命中兩天一 行）
• 標籤標籤尊重新標籤（沒有歷史命中）
個
• 未在過去幾天得到許多命中尊重標籤（高權重的標籤，自然會獲得更多的點擊所以「弱」的標籤應該仍然得到了一槍「打破循環」中每過一段時間）

Answer 1

我建議的標籤重量以下公式：

Score = c1 * Hits(today) + c2 * (Hits(today) - Hits(yesterday)) + c3 * Random 
Weight = a * Score + (1 - a) * Weight(yesterday) 

凡

• 隨機 - 隨機值0..1
• C1，C2，C3，一 - 適當的常數值，0<a<1