Algorithm 在计算分数时消除偏差

我有一个相对简单的算法问题，我向用户推荐问题

我有一组问题和答案（比如，每个问题的评论） (答复)

我想给每个问题的吸引力打分

目前的执行情况：

(total comments + likes for all answers for a question) / sqrt (number of answers)

问题：

有时，一个有大量活动的答案会扭曲问题的分数，即使其他20个答案产生的兴趣很小

对于回答很少的问题，应该进行一些缩减

---

如果您对这两个问题有任何建议，我们将不胜感激。

通常，当我们希望避免一个样本过于强大时，标准方法是通过以下方法之一：

使用

log（N）

代替

N

，使每次观察的效果减弱1

去掉“奇怪”的观察结果：只取中间的X%，并使用它们，例如：从这个问题的最大值只取有1/4-3/4喜欢的观察结果，并去掉倾斜的例子

对于第二个问题-我能想到的一件事是给出一个可变因子：使用

sqrt（答案数）

-您可以尝试

（答案数）^（log（答案数+1）/log（max（答案数+1））

其中

max（答案数）

是数据集中每个问题的最大答案数。
这将导致问题越来越多，答案也越来越少，我认为这正是你所追求的

---

（1）：我们通常采用

log（N+1）

-因此它也将被定义为

N==0