Функція «Цікавість» для питань StackExchange

Я намагаюся скласти пакет обміну даними для сайтів StackExchange, і зокрема, я застряг у спробі визначити "найцікавіші" питання. Я хотів би скористатися оцінкою запитань, але усунути упередження через кількість переглядів, але я не знаю, як до цього жорстко підійти.

В ідеальному світі я міг би сортувати питання шляхом обчислення , де - загальна кількість голосів, а - кількість переглядів. Зрештою, це вимірювало б відсоток людей, які підтримують це питання, мінус відсоток людей, які спростують це питання. v$\frac{v}{n}$$v$$n$

На жаль, схема голосування набагато складніша. Голоси, як правило, "плато" до певного рівня, і це призводить до різко недооцінки диких популярних питань. На практиці питання, що має 1 перегляд і 1 підсумковий результат, безумовно, отримало б і було б відсортовано вище, ніж будь-яке інше питання, набравши 10 000 переглядів, але менше 10 000 голосів.

Наразі я використовую як емпіричну формулу, але хотів би бути точним. Як я можу підійти до цієї проблеми з математичною суворістю?$\frac{v}{\log{n}+1}$

Щоб вирішити деякі коментарі, я спробую краще відновити проблему:

Скажімо, у мене є запитання із загальною кількістю голосів та переглядів . Я хотів би мати можливість оцінити, який загальний обсяг голосів є найімовірнішим, коли кількість переглядів сягає .n 0 v 1 n $v_0$$n_0$$v_1$$n_1$

Таким чином я міг просто вибрати номінальне значення для і замовити все питання відповідно до очікуваної загальної кількості .v $n_1$$v_1$

Я створив два запити на даці SO, щоб краще показати ефект, про який я говорю:

Середні перегляди за балом

Результат:

Середній бал за переглядами (відра з 100 переглядами)

Результат:

Дві формули порівнювали

Результати, не впевнені, чи краще пряме: ( синім, червоним)$\frac{v}{n}$$\frac{v}{log{n}+1}$

Можна визначити цікаве питання як таке, яке отримало порівняно багато голосів, враховуючи кількість переглядів. З цією метою ви можете створити базову криву, яка відображає очікувану кількість голосів з урахуванням думок. Криві, які набрали набагато більше голосів, ніж базові, вважалися особливо цікавими.

Для побудови базової лінії ви можете обчислити серединну кількість голосів на 100 переглядів. Крім того, ви можете обчислити середнє абсолютне відхилення (MAD) як надійний показник для стандартного відхилення на відро. Тоді "цікавість" можна обчислити як

interestingness(votes,views) = (votes-baselineVotes(views))/baselineMAD(views) 

Це моя теорія. Я думаю, що існує два типи питань: ті, які залишаються здебільшого в межах ПП (які зазвичай мають меншу кількість переглядів), і ті, які переглядаються сторонніми людьми, оскільки вони були пов'язані з іншого місця (зазвичай мають більше поглядів).

Що стосується питань, які залишаються здебільшого в межах СВ, голоси - це хороший показник цікавих питань. Це суть голосів.

Коли питання пов’язане за межами сайту, голоси перестають означати стільки ж. Деякі сайти, що посилаються, можуть мати дуже мало членів SE, інші можуть мати більше. Різниця в кількості голосів за ці питання, ймовірно, велика (про що свідчить ваш рахунок проти сюжетного сюжету, де права сторона кривої розквітає). Ці питання матимуть більше поглядів, а перегляди МОЖЕ бути кращим показником цікавих питань. Або питання, які більшій спільноті траплялися цікавіші. У цій ситуації є багато змінних, і я думаю, що варто було б спробувати знайти більше інформації для диференціації цих випадків. Чи оприлюднює SE інформація про направлення?