Ретинг блогосферы - пост 3

Провел небольшой эксперимент, имея на руках 4 параметра (visits24, links, comments, commenters), базу из 1000 постов за 3 дня, а также историю ТОПа с 40 постами за сутки, а попытался методом перебора коэффициентов найти наиболее подходящий вектор, на который делается проекция, как было описано в первом посте, чтобы после сортировки всех записей по величине этой проекции, в первых 100 оказывалось максимальное число постов, которые попали в топ, построенный по старому алгоритму.
Результатом стал вектор (10,9,12,12) с результатом в 25 постов из 40. Это прежде всего говорит о том, что в текущем алгоритме есть явная завышенная зависимость от числа различных русскоязычных комментаторов к посту (commenters). Я же для сортировки записей беру вектор с равными весами = (1,1,1,1). Кроме того, стоит отметить два выявленных особенностей
1) В блогах на YaRu - внутренняя ссылка является также комментарием, поэтому важно уменьшать кисло комментариев на число ссылок. Иначе получается завышенное число ярушных блогов с высокими значениями.
2) Нормировка происходит не только в группах по типу блогплатформы, но и по типу блога или сообщества. То есть для блогов и сообществ максимумы значений считаются отдельно.

После того, как записи в текущей куче постов за 3 дня отсортированы применяются фильтры. Их много, я их кратко перечислю по ходу применения:

1) "Нулевой фильтр", чтобы отсеять заведомо ошибочные записи с экстремумом по одному из параметров - оптимальная формула ((visits24>0 AND links>0) OR commenters>0) - это позволяет не отсеять посты с blogs.mail.ru, у которых сейчас неверно считается число комментаторов.

2) "Фильтр тем дня" - отсеиваются посты, которые были написаны на темы дня после публикации тем дня, так как на сегодняшний день там 90% спамерских сообщений. Отмечу лишь, что я допускаю попадание в ТОП не более одного поста на одну тему дня при условии, что на нее ссылались и комментировали раньше появления этой темы дня. 3) "Фильтр статистики" - считается, что нормальный блогер не может попадать в ТОП постоянно. Поэтому вставлены понижающие коэффициенты для записей тех блогеров кто ранее был в ТОПе. Коэффициенты настроены так, что к "вычеркиванию" из рассмотрения приводит 20 постов за 3 дня или 500 ТОПов за год. В первом случае могут возникнуть проблемы у тех, кто имеет самоссылающие трансляции, но этот вопрос надо еще проработать.

4) "Фильтр максимума" - после сортировки из всех постов выбираются 10% с максимальной величиной проекции и для них ищется максимальный разрыв в соседних значениях. Именно он характеризует границу между "перекрученными" и "недокрученными" постами. Именно эта граница является внутренней характеристикой экспертной системы.

5) "Фильтр дублей" - далее берется верхняя часть с перекрученными постами, если таких меньше 2, то берется нижняя часть. У всех постов считается корреляция с постами, которые уже находятся в ТОПе, путем подсчета суммы совпадающих нормированных слов-низкочастотников (от 4 знаков и
6) "Фильтр локального экстремума" - после предыдущей сортировки начинаем выбирать по порядку все записи и смотреть, является ли количество комментариев и ссылок чем-то выдающимся для блогера по сравнению с другими его последними записями или нет. Таким образом, топблогер, получающий каждый день сотни комментариев и ссылок будет фильтроваться. Найдя первую запись с локальным супремумом - помещаем ее в ТОП. Если таких записей не обнаружилось, то есть 2 варианта - в ТОП помещается одна из записей, написанных на тему, дня и удовлетворяющую "фильтру тем дня" либо идет в рассмотрение вторая половина полученная после "Фильтра максимума" из "недокрученных" постов.


Метки:   Категории:Code


blog comments powered by Disqus

Добавить комментарий

Кто я?

Программист. Я слежу за блогосферой и знаю, как будет развиваться интернет. Когда у меня есть время я даже прилагаю для этого усилия. Подробнее

Последние комментарии

Не отображать

Topbot at FeedsBurner

Мои Твиты

Twitter октября 23, 17:57
8-й час в России http://dlvr.it/QpG99N https://twitter.com/f1ashr/status/1054793845546790912/photo/1

Twitter октября 18, 06:44
Яндекс атаковал Израиль http://dlvr.it/QnhhCy

Twitter октября 17, 16:07
Как разверифицироваться в Твиттере? http://dlvr.it/Qnddsc https://twitter.com/f1ashr/status/1052591848303120390/photo/1

Twitter октября 17, 16:07
На батуте в космос http://dlvr.it/QnddrT

Twitter октября 17, 16:07
Estonian Fitsme http://dlvr.it/Qnddn3

Twitter октября 17, 16:07
Россия будет воевать http://dlvr.it/Qnddq7

Twitter октября 17, 15:33
Про браузеры http://dlvr.it/QndT1N

Twitter октября 17, 14:54
Прыгающий Робо-жук http://dlvr.it/QndGjW https://twitter.com/f1ashr/status/1052573591181582336/photo/1

Twitter октября 17, 14:54
Google Plus выкатывает красивые имена http://dlvr.it/QndGj2

Twitter октября 17, 14:54
Немецкие совестливые журналисты http://dlvr.it/QndGjD

Twitter октября 17, 09:27
Победа свободы над здравым смыслом http://dlvr.it/QnbjB5 https://twitter.com/f1ashr/status/1052491176593354752/photo/1

Twitter октября 17, 06:41
программа instagramliker обновлена 2018г http://dlvr.it/Qnb2DZ

Twitter октября 16, 07:50
CloudSearch http://dlvr.it/QnTLzB

Twitter октября 16, 07:50
Сидеть вредно. http://dlvr.it/QnTLzD

Twitter октября 16, 07:50
Вконтакте 7 лет http://dlvr.it/QnTLzH

Twitter октября 16, 07:50
Рейтинг авторитетности блогов http://dlvr.it/QnTLz2

Twitter октября 16, 07:50
Tech news http://dlvr.it/QnTLz5

Twitter октября 16, 07:13
Совет многоквартирного дома http://dlvr.it/QnTCHQ https://twitter.com/f1ashr/status/1052095075918872576/photo/1

Twitter октября 16, 07:13
Windows 10 и Новый мировой порядок http://dlvr.it/QnTCF0 https://twitter.com/f1ashr/status/1052095069317001216/photo/1

Twitter октября 16, 07:13
Украинские солдаты до сих пор не поняли с кем воюют http://dlvr.it/QnTC5Z https://twitter.com/f1ashr/status/1052095061586980864/photo/1

Мой твиттер

Копирайт

Все мысли, высказанные в блоге, являются моим мнением и за это мнение меня никто не забанит! Кроме того, никто не имеет право копировать материалы блога без использования ctrl+C/V!

© Copyright 2008