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 февраля 19, 06:57
Диоксин угрожает планете! http://dlvr.it/QGwPKJ https://twitter.com/f1ashr/status/965480472095555584/photo/1

Twitter февраля 11, 18:36
@typographera @lustforcookies Но Москва на 70 лет моложе и была основана при Кутузове, когда начали железную дорогу прокладывать.

Twitter февраля 11, 17:24
@lustforcookies @typographera А ничего, что Коломна основана от силы 270 лет назад?

Twitter февраля 11, 14:07
Украина готовит на Евровидение песню с быками http://dlvr.it/QFw6Kb

Twitter февраля 9, 14:07
Чем белые отличаются от черных? http://dlvr.it/QFh4j8 https://twitter.com/f1ashr/status/961964675469426690/photo/1

Twitter февраля 6, 09:57
Победа свободы над здравым смыслом http://dlvr.it/QFD2S4 https://twitter.com/f1ashr/status/960814600802377731/photo/1

Twitter февраля 4, 15:32
В Твиттере начался обвал фолловеров http://dlvr.it/QDzJLg

Twitter февраля 3, 08:34
Суммарная капитализация криптовалют http://dlvr.it/QDqJyj

Twitter февраля 2, 10:52
Музыка про прилет Американцев на Марс http://dlvr.it/QDhYq7 https://twitter.com/f1ashr/status/959378893017726977/photo/1

Twitter января 28, 17:04
Разбор трилогии Матрицы (The Matrix Trilogy) http://dlvr.it/QD3h9W https://twitter.com/f1ashr/status/957660569674199040/photo/1

Twitter января 24, 13:20
Google Lunar X Prize - за 10 лет никто не смог запуститься на Луну http://dlvr.it/QCYSRW https://twitter.com/f1ashr/status/956154641753911298/photo/1

Twitter января 24, 04:03
Разбор сериала Туман или 4 всадника Апокалипсиса http://dlvr.it/QCVWXz https://twitter.com/f1ashr/status/956014586666287104/photo/1

Twitter января 23, 19:50
Пасха в Москве 2 сентября 2017 года http://dlvr.it/QCS7cD https://twitter.com/f1ashr/status/955890398899007488/photo/1

Twitter января 23, 19:50
Пользователи умудрились поломать гео-локацию в Инстаграм http://dlvr.it/QCS7hp

Twitter января 23, 16:29
В бюджете Америки появились лишние 2 трлн. долларов http://dlvr.it/QCQpPr

Twitter января 22, 14:45
Добродел обновился http://dlvr.it/QCGHwl https://twitter.com/f1ashr/status/955451259439407105/photo/1

Twitter января 22, 13:32
Рейтинг каналов и ботов Телеграмм http://dlvr.it/QCFt9v https://twitter.com/f1ashr/status/955432885657395200/photo/1

Twitter января 21, 16:15
Битва за Мосул в 360 с вертолета http://dlvr.it/QC84Xk https://twitter.com/f1ashr/status/955111520337248256/photo/1

Twitter января 21, 16:15
3 февраля стартует год огненного Петуха http://dlvr.it/QC84XQ

Twitter января 21, 16:15
Независимая Подмосковия http://dlvr.it/QC84X3

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