¿Cuál es el mejor enfoque para construir un sistema de clasificación basado en la clasificación de otros?

De alguna manera, aún tiene que determinar la credibilidad de sus seguidores inicialmente. Ahora, eso no se puede hacer exclusivamente en casa. En casa puede tener prejuicios. Entonces necesitas comparar contra algo. Digamos que tiene un recién llegado que aprendió sobre cómo funciona su clasificación y comienza a abusar para obtener poder en la plataforma. Eso perdería la confianza general en su red. Creo que lo mejor para ti es estudiar cómo funciona el ranking de páginas de Google a partir de lo que los expertos en SEO escriben sobre él en los medios, pero mantente alejado de la perspectiva de marketing y enfócate en el algoritmo y los parámetros clave.

Mire el aprendizaje automático, las redes neuronales, etc. Esas son las palabras de moda principales de la ciencia de datos desde hace mucho tiempo. Y cada problema particular se resuelve de manera no común. Yo diría ad-hock. No hay bala de plata allí.

También para los recién llegados debe dar un valor inicial. +, -, 0?
¿Qué importancia tiene el compromiso, si su recién llegado se vuelve rancio?
¿Se cae a tiempo? ¿Si es así por qué? Si se levanta algo está mal 😀

Hay muchas de estas cosas peculiares a tener en cuenta.
No te he dado la respuesta que quieres.
Creo que he hecho suficientes preguntas para que puedas buscar las partes.

imagine una red social donde todos tengan un rango / puntos. El rango depende de la contribución personal + Me gusta recibidos por otros. La cantidad de puntos que te dé un me gusta depende de la clasificación propia de Me gusta. Ahora, con el tiempo, a las personas les gustan las cosas de los demás, en múltiples niveles. sus gustos podrían estar afectando indirectamente la reputación de miles de millones de personas. Digamos que su reputación aumenta, por lo que debería de todos los que le han gustado.

Como programador, esto suena como una pesadilla. ¿Cómo propagaría este nuevo valor a través de toda la red?

Te gusta mi foto. -> mi reputación aumenta en x puntos -> la persona a quien la foto que me gustó también sube -> la persona b que le gusta a un sube -> a la persona c le gustaron otras 80 fotos -> la suya sube -> 10 de 80 me gustaron las mías también en algún momento -> el mío sube aunque por menos pero aún lo hace.

incluso si sigo una estrategia que, como me gusta, reduzco los puntos que se otorgan a la siguiente persona, y pongo un comentario diciendo que si el valor sube es inferior a 10 puntos, no se moleste en actualizar el valor de todas las personas que me han gustado. Todavía deja una opción donde se debe abrir todo el registro de la historia y los eventos.

es muy loco. Estoy en Facebook, me han gustado 800 publicaciones durante 9 meses.

asumiendo que a las personas solo les gustan las publicaciones de una manera y nunca a las personas encadenadas (lo cual es poco probable)

mi rango sube == 800 ppl rango sube …

800 * 800 * 800 * 800 * 800 * 800 … = 1.1529215e58

1 me gusta = fallas completas de internet.

Sin embargo, realmente quiero crear un sistema de clasificación en vivo basado en la credibilidad de sus seguidores.

Tu dices:

Digamos que su reputación aumenta, por lo que debería de todos los que le han gustado.

No estoy de acuerdo con esto porque:

En el primer día soy un novato idiota. Mi juicio es pobre. Me gustan las publicaciones que suenan bien pero son basura. Mi representante es basura, así que mis gustos no hacen nada por las personas que me gustan.

Sin embargo, en el transcurso de un año aprendo. Empiezo a discriminar entre las publicaciones superficiales y las realmente buenas. Mi reputación comienza a mejorar. Cuando me gusta publicar ahora debería ayudar a la reputación del cartel. Pero esto no debería ser retrospectivo. Los “ me gusta ” que hice en mis primeros días seguían siendo basura, no debes actualizar los carteles de basura que me gustaban en base a mi reputación ahora.

More Interesting

¿Cuál es la diferencia entre la estimación de máxima verosimilitud (ML) y máxima a Posteri (MAP)?

¿Para qué se puede utilizar el análisis de la marcha?

¿Qué tipos de algoritmos de aprendizaje automático se utilizan para resolver algunos problemas populares del mundo real?

¿Cuáles son los pros y los contras de las diferentes técnicas de factorización matricial: rango bajo, SVD y NMF? ¿Cuáles son algunos ejemplos prácticos de cada uno?

¿Cómo funciona una red neuronal?

¿Pueden los algoritmos de aprendizaje automático realmente ayudar en el comercio?

¿Qué parámetros en los datos de entrenamiento / prueba deben considerarse para decidir la elección de un método de clasificación de aprendizaje automático (fuera de SVM, red neuronal, regresión logística, etc.)?

¿Qué método de aprendizaje profundo es el más adecuado para PNL?

¿Cuáles son los proyectos de aprendizaje automático más populares en Github?

¿Qué tan importante es entender el cerebro para el aprendizaje profundo y viceversa?

¿Cómo es ser ingeniero de aprendizaje automático en Quora?

¿Cuál es la entrada para un clasificador Naive Bayes?

¿Qué funciona mejor, un ANN con miles de unidades por capa pero solo docenas de capas o uno con docenas de unidades por capa, pero cientos de capas?

¿Cuál es la diferencia entre el entrenamiento por lotes, en línea y mini-lote en redes neuronales? ¿Cuál debo usar para un conjunto de datos de pequeño a mediano tamaño con fines de predicción?

¿Cuáles son todas las formas en que Quora usa el procesamiento del lenguaje natural (PNL)?