问像亚马逊这样的星级排名算法(1-5)？

EN

一个有趣的事情，你可以对一个评级系统是通过一个低通过滤器的选票。这有助于消除极端情况，即100个人中有一个人只想要攻击某些东西。这也有助于减轻那些人后，他们最初发布的东西，他们5明星他们的产品在那里自制的帐户。

平均水平几乎是一样的，但是低通滤波器可以使投票系统变得更难或更容易提高排名，或者保持一个可能因主题不同而有所不同的排名。

低通滤波器看起来很简单，如：

ranks = [2,3,1,2,4,2,1,2,3,4,3,4,2]
y = [ranks[0], ranks[1], ranks[2]]

for(i=2; i<ranks.length; ++i)
    currentRank = .2*ranks[i] + .3*y[2] + .2*y[1] + .3*y[0]
    y.push(currentRank)
    y.shift()

使用这样的过滤器还有其他特性，但这只需要研究数字低通滤波器，以找到那些很酷的特性:)

如果所有的项目都有很多的评分者，那么取平均值应该是相当好的。如果数据稀少，就会出现问题。例如，假设产品A有一个五星级评级，而产品B有五个五星级和五个四星级评级.我更相信产品B，虽然算术平均数较低(4.5vs5)。

根本的问题是要考虑到不确定性。直观地说，对于很少的评级，我们会考虑到先前的信念，这是在一个平均范围内的某个地方。这个优秀博客帖子形式化了这个想法，并导出了一种贝叶斯方法。