计算相关性/加权算术平均 SQL

Posted 2023-02-24

【中文标题】计算相关性/加权算术平均 SQL

【英文标题】：Count relevance/weighted arithmetic mean SQL

【发布时间】：2021-09-15 13:42:47

【问题描述】：

我有一张电影表和一张评论表

在我的应用中，我想展示任何类型的前 10 部电影。

我显然不能仅按评分对电影进行排序，因为有些电影只有 1 个 5 星评价，因此只会向用户推荐不相关的电影。

目前我从 DB 收到按评论排序的该类型的前 100 部电影，按服务器上的评分排序此列表，然后才显示前 10。

这有点工作，但这种解决方案在例如的情况下是不切实际的。评论轰炸，此外，前10名的目的是推荐最​​相关的电影。

我的想法是在电影表中添加相关性列，但我不知道如何计算它：

（5 星评论数量 * 5）+（4 星评论数量 * 4）等等 - 否 （5 星评论数量 * 1）+（4 星评论数量 * 0.8）+ ... +（0 星评论数量 * 0.1） - 否 评论总数/平均 - 否 ((5 星评论数量 * 5 ) + (4 星评论数量 * 4 ) 等等) / 总评论数量 - mb，我不确定 0 是多少

此外，评分中的评分不是实数。用户只能给出 5、4.5、4 等分数审查。但是用户可以给电影评分 5、4.9、4.8 ... 0.1 的情况呢？

那么，如何更好地执行这个操作呢？

[Upd] 我认为不是除法。我们应该将averagerating 和reviews 与movies 相乘以计算相关性（averagerating 和reviews 已经在每次插入/删除/更新时自动更新）。我们也应该尝试标准化产品。

在这种情况下，有 100 条评论的 5 和 averagerating 的 5 的电影不会击败有 averagerating 3.8 但有 57k 条评论的电影，并且评论轰炸的问题也将得到解决。

谁能证明我的猜测？

【问题讨论】：

您可以将所有评分相加，然后除以该电影的评分总数，即平均评分。您所说的收视率不是实数是什么意思？ 4.5 在我看来是一个实数

@Etienne 在我看来，它不会正常工作。如果您建议select sum(rating) group by movie_id，然后将其除以reviews 和movies（平均和评论会在每次插入/删除/更新时自动更新），那么您会出现这样的情况：电影的评论为（（50 *5)+(40*4)+(60*3)+(50*2)+(10*1))/(50+40+60+50+10) 将与带有评论的电影具有相同的相关性((500*5)+(400*4)+(600*3)+(500*2)+(100*1))/(500+400+600+500+100)。什么不是真的。第一部电影被评为 210 次，第二部被评为 2100 次

@Etienne 真实/非真实怎么样，我的意思是可能的评论数量是离散的所以集合是有限的。我的错。在 5, 4.9, 4.8 ... 0.1 的情况下，它也是有限的，但很难计算每个成员，而且集合可以是无限的 - 实数，我的情况是什么，但即使在这种情况下，这个公式也应该适用

@Etienne 回到我的第一条评论，这种方法并不能解决零问题。无论有多少用户将电影评分为 0，所有零都将被忽略

如果您询问如何根据评分数量和评分值定义可靠/相关评分，那么这是一个统计问题，您需要询问统计论坛。如果您已经定义了逻辑但想知道如何对其进行编码，请将该逻辑添加到您的问题中

【参考方案1】：

我同意 @NickW 的观点，即这更像是一个统计问题而不是编程问题，但无论如何我都会尝试回答。

如果您想同时考虑平均评分和评分数，一种简单的方法是将两者相乘。这为您提供了所有评级的总和，但是，正如@qwezxc789 所指出的，这并没有考虑零评级的数量。另一种策略可以是avgrating 和reviews 的线性组合。共线性应该不是问题，因为这两个变量都不依赖于另一个变量。您甚至可以使用线性系数来改变每个变量的相对贡献。此解决方案很容易推广到 n 个自变量。

令w_i为预测器i的权重，1≤i≤n, w₁ + ... + w_n = 1（或任何其他常数，但为什么不使用 1？）。

您可以使用以下 SQL 将此值添加为 movies 表中的新 relevance 列。我使用了两个同等权重的预测变量：ratings 和 reviews。

ALTER TABLE movies ADD [relevance] AS
(SELECT 0.5 * avgrating + 0.5 * reviews
FROM movies)