惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

aimingoo的专栏
aimingoo的专栏
Engineering at Meta
Engineering at Meta
有赞技术团队
有赞技术团队
博客园_首页
Apple Machine Learning Research
Apple Machine Learning Research
Vercel News
Vercel News
G
Google Developers Blog
Blog — PlanetScale
Blog — PlanetScale
IT之家
IT之家
MongoDB | Blog
MongoDB | Blog
Y
Y Combinator Blog
B
Blog
The GitHub Blog
The GitHub Blog
M
MIT News - Artificial intelligence
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Stack Overflow Blog
Stack Overflow Blog
C
Check Point Blog
Microsoft Azure Blog
Microsoft Azure Blog
D
DataBreaches.Net
I
InfoQ
Recent Announcements
Recent Announcements
阮一峰的网络日志
阮一峰的网络日志
腾讯CDC
H
Help Net Security

月光博客

AI编程从零开始:环境配置到开发调试-月光博客 母亲被保健品诈骗-月光博客 向身体低头,向岁月妥协:我的高血压“还债日记” -月光博客 月光博客电子书:《信息安全指南》 谷歌发布2025年度搜索排行榜 中国2025社会热点大事记 2025年十大流行语发布 7天3次,骗子骗走我母亲95万元 “技术男”设三重安全墙,母亲95万存款还是被骗走了 电信诈骗后的复盘:母亲的95万元,是怎么从手机银行里消失的 母亲被电信诈骗95万元的全过程 阿根廷警察被谷歌街景相机拍到裸照 网信办开展“清朗·整治恶意挑动负面情绪问题”专项行动 翟欣欣敲诈勒索案一审获刑12年 《绝命毒师》影评:力工觉醒后的梭哈至死 《人工智能生成合成内容标识办法》正式施行 用AI分析你的财务信息 腾讯子公司实习HR怒怼求职者后被开除 OpenAI发布最强模型GPT-5,免费向所有用户开放 用AI解构你的日记 用AI分析你的游戏偏好 用AI分析你的观影偏好 用AI分析你的听歌偏好 《白鹿原》人物分析:乱世浮沉中的人性剖析 乌托邦的捷径:让AI治理“失败国家” 苹果AI的“路径错误”:为什么它在大模型时代掉队了? 《暗黑破坏神3》第35赛季开荒指南 我对特朗普的看法 欧·亨利十大经典小说鉴赏 HBO电视剧《最后生还者》第二季影评
豆瓣250评分排名算法机制
月光 · 2021-03-25 · via 月光博客

据豆瓣的创始人阿北称,豆瓣评分机制,简单地说,就是把豆瓣用户的“正常打分”(一到五星换算为零到十分)加起来,再除以用户数。豆瓣也是有 “非正常打分” 规避机制的。基于 “所有能判断属于非正常评分的一概不算” 原则,豆瓣的程序会 “判断” 出那些 “非正常分数”,将其剔除在评分之外。

豆瓣250,则是豆瓣根据每部影片看过的人数以及该影片所得的评价等综合数据,通过算法分析产生豆瓣电影 Top 250。

豆瓣250的进榜算法,估计是和IMDB250类似,也用了所谓加权平均分的算法。

豆瓣

根据IMDB网站上公布的TOP250评分标准:

imdb top 250用的是贝叶斯统计的算法得出的加权分(Weighted Rank-WR),公式如下:

weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C

用中文表示就是:加权平均分= [经常投票者投票人数÷(经常投票者投票人数+进入TOP250需要的最小票数)]×普通方法计算出的平均分+[进入TOP250需要的最小票数÷(经常投票者投票人数+进入TOP250需要的最小票数)]×目前所有电影的平均得分

其中:

R = average for the movie (mean) = (Rating) (是用普通的方法计算出的平均分)

v = number of votes for the movie = (votes) (投票人数,需要注意的是,只有经常投票者才会被计算在内,这个下面详细解释)

m = minimum votes required to be listed in the top 250 (currently 25000) (进入imdb top 250需要的最小票数,只有三两个人投票的电影就算得满分也没用的,目前是25000票)

C = the mean vote across the whole report (currently 7.0) (目前所有电影的平均得分,目前是7.0)

对于豆瓣250来说,m值和C值会与IMDB 250不同。

如何将刷票行为排出到最终的分数外,关键点就在于“经常投票者投票人数”这个值上,只有“经常投票者”(regular voter)的投票才会被计算在top 250之内。

为了防止用户作弊,“经常投票者”的标准一直未公开,但我们不难猜测,它对用户的投票历史有要求,比如投票的数量,或者满足一定的投票资历,如投票满一年,或者和用户的注册时间、使用频率等等有关,另外可能还会过滤单位时间内投票数量过多之类的。

此外,豆瓣250还会对电影上映时间有要求,只有上映时间超过一年的电影才有可能上榜豆瓣250,从而避规一些电影的刷榜行为。

因此,如果一部上映超过1年的电影,其豆瓣评分和投票人数都高于豆瓣250榜单的同类电影,却没有上榜,就说明其regular voter的数据可能有问题而被过滤,导致其最终算出的加权平均分没有达到入榜的条件。

豆瓣250评分排名算法机制