第2期 许广林，等：掘客投票算法的属性论方法 ·119· 1)计算内容C,提交者的经验值， 1评估指标建立 设集合X为网站所有n个用户的集合，集合Y 投票算法是一个复杂、多元的系统，要建立合理 为网站所有提交过内容的m个用户的集合，集合Z 的投票算法，首先需要一个科学、合理的投票因素体 为网站所有投过票的h个用户的集合，由此可得 系.根据掘客的基本特点，可以把投票因素分为3个 Zs和YsxX.再设为某个用户在线时间，d,为 大部分共5个要素 某个用户的访问深度，则根据转换程度函数)，每 1)内容提交者的经验值.包括内容提交者的忠 个用户的忠诚度4为 诚度和内容提交者的活跃度2个因素.忠诚度可以 (x 通过用户在线时间和用户的访问深度来衡量，它反 映的是用户对网站内容的认可程度，活跃程度反映 内容提交者的参与程度，它可以通过用户提交文章 1) 的数量和用户提交内容被置首页的比率来反映， 设x∈y,≤m为第个提交过内容的用户，则s℃，为 2)投票者的经验值.包括投票者的忠诚度和投票 此用户投票的数量，$斯为用户提交内容被置首页的 中的活跃度2个因素.投票者的忠诚度体现了投票者 数量，则x,用户活跃度sac为 对网站内容的认可和理解程度，可以通过用户在线时 间和用户的访问深度来衡量.活跃度反映了投票者的 sa 参与度，可以通过投票中己投票数量的多少和被投票 内容置首页的数量来反映， 3)投票数与时间的关系.Dgg处理投票数和时 (2) 间的关系，只是规定内容提交后24小时，所有的投 根据式1)和(2)，可以得出内容提交者的经验值 票失效，这种关系过于简单.而合理的做法是投票数 sco“为 和时间建立一个指数函数的关系，也就是说，2个得 sco“=(sac+0/2 (3) 票数相同的内容，如果所获得票数的所用时间不同， 2)计算内容c投票者的经验值s0o 那么它们的得分也应该不一样 设：∈y,k≤h为第k个投票的用户，则vC为 综合上述，评价指标体系如图1所示」 此用户提交文章的数量，V为被用户投票的内容置 提父者活跃度 首页的数量，则用户x活跃度vac为 内容提交者经验值 提交者忠诚度 hvc h·v + +exp 投票者活跃度 投票者经验值 投票者忠诚度 (4 根据式1)和(3)，可以得出内容提交者的经验值 投票数与时间关系 sco,为 图1投票算法指标体系 Fig I Index system of vote algorithm sco 2 2评估模型建立 被提交内容的投票数与时间的关系vt)可以 投票系统的算法有如下步骤： 表示为 首先设C为所有被提交的内容集合，so,为第i if<1440 m: 6) 个内容c的综合投票分数，sco为第1个内容c的 .0,ift>1440m 提交者的经验值，s℃o为第个内容c的投票者的 3)各投票因素权重的选择 经验值，sc0,为第个内容时间趋势值， 不同类型的掘客网站，针对的目标用户不同，要 C1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net1 评估指标建立 投票算法是一个复杂、多元的系统 ,要建立合理 的投票算法 ,首先需要一个科学、合理的投票因素体 系. 根据掘客的基本特点 ,可以把投票因素分为 3个 大部分共 5个要素. 1)内容提交者的经验值. 包括内容提交者的忠 诚度和内容提交者的活跃度 2个因素. 忠诚度可以 通过用户在线时间和用户的访问深度来衡量 ,它反 映的是用户对网站内容的认可程度. 活跃程度反映 内容提交者的参与程度 ,它可以通过用户提交文章 的数量和用户提交内容被置首页的比率来反映. 2)投票者的经验值. 包括投票者的忠诚度和投票 中的活跃度 2个因素. 投票者的忠诚度体现了投票者 对网站内容的认可和理解程度 ,可以通过用户在线时 间和用户的访问深度来衡量. 活跃度反映了投票者的 参与度 ,可以通过投票中已投票数量的多少和被投票 内容置首页的数量来反映. 3)投票数与时间的关系. D igg处理投票数和时 间的关系 ,只是规定内容提交后 24小时 ,所有的投 票失效 ,这种关系过于简单. 而合理的做法是投票数 和时间建立一个指数函数的关系 ,也就是说 , 2个得 票数相同的内容 ,如果所获得票数的所用时间不同 , 那么它们的得分也应该不一样. 综合上述 ,评价指标体系如图 1所示. 图 1 投票算法指标体系 Fig. 1 Index system of vote algorithm 2 评估模型建立 投票系统的算法有如下步骤 : 首先设 C为所有被提交的内容集合 , scoi 为第 i 个内容 ci 的综合投票分数 , sco ce i 为第 i个内容 ci 的 提交者的经验值 , sco ve i 为第 i个内容 ci 的投票者的 经验值 , sco t i 为第 i个内容时间趋势值. 1) 计算内容 Ci 提交者的经验值. 设集合 X 为网站所有 n个用户的集合 ,集合 Y 为网站所有提交过内容的 m 个用户的集合 ,集合 Z 为网站所有投过票的 h个用户的集合 , 由此可得 ZΑ X和 YΑ X . 再设 ti 为某个用户在线时间 , di 为 某个用户的访问深度 ,则根据转换程度函数 [ 8 ] ,每 个用户的忠诚度 li 为 li ( x) = 1 1 + exp - n·ti ∑ n i ti · 1 1 + exp - n·di ∑ n i di . (1) 设 xj∈Y, j≤m 为第 j个提交过内容的用户 ,则 scj为 此用户投票的数量 , srj为用户提交内容被置首页的 数量 ,则 xj用户活跃度 sacj为 sacj = 1 1 + exp - m ·scj ∑ m i =1 sci · 1 1 + exp - m ·srj ∑ m i =1 sri . (2) 根据式 ( 1)和 ( 2) ,可以得出内容提交者的经验值 sco ce i 为 sco ce i = ( sac + l) /2. (3) 2) 计算内容 ci 投票者的经验值 sco ve i . 设 xk ∈Y, k≤h为第 k个投票的用户 ,则 vck 为 此用户提交文章的数量 , vrk 为被用户投票的内容置 首页的数量 ,则用户 xk 活跃度 vack 为 vack = 1 1 + exp - h·vck ∑ h i =1 vci · 1 1 + exp - h·vrk ∑ h i =1 vri . (4) 根据式 ( 1)和 ( 3) ,可以得出内容提交者的经验值 sco ve i 为 sco ve i = vac + 1 1 + exp - k ∑ k i =1 (1 - li ) 2 . (5) 被提交内容的投票数与时间的关系 vt( t)可以 表示为 vt( t) = 1 e t , if t < 1 440 m; 0, if t > 1 440 m. (6) 3) 各投票因素权重的选择. 不同类型的掘客网站 ,针对的目标用户不同 ,要 第 2期 许广林 ,等 :掘客投票算法的属性论方法 ·119·