對(duì)于搜索引擎而言，用戶算法的核心價(jià)值是用戶體驗(yàn)，包括搜索內(nèi)容的相關(guān)性、內(nèi)容質(zhì)量及時(shí)效性等，其中內(nèi)容質(zhì)量是前置步驟，既可以用于優(yōu)質(zhì)內(nèi)容源篩選，又可以作為搜索召回結(jié)果排序因素，是決定高質(zhì)量搜索結(jié)果前提。
內(nèi)容質(zhì)量主要有兩個(gè)維度。第一，EAT 分?jǐn)?shù)，主要取決于文檔的來源和作者。EAT是專業(yè)性（expertise）、權(quán)威性（authoritativeness）、可信賴（trustworthiness）三個(gè)詞的首字母縮寫；第二，文字和圖片質(zhì)量，包括文本質(zhì)量和圖片質(zhì)量（參考：https://toutiao.io/posts/izme1z1/preview，https://cloud.tencent.com/developer/news/490036）等。
爬蟲采集到了作者編號(hào)（account_id），作者昵稱（master_name），作者領(lǐng)域（master_property），文章編號(hào)（pid）,文章內(nèi)容(doc)，文章類目(category)，文章發(fā)布時(shí)間（publish_time），瀏覽量(view_num)，收藏量(collect_num)，一共12w行。通過 作者編號(hào)（account_id），作者昵稱（master_name），作者領(lǐng)域（master_property），通過作者發(fā)文時(shí)間等字段，及計(jì)算作者創(chuàng)作年齡（span_date）匯總為author.csv數(shù)據(jù)，通過編號(hào)（account_id），作者昵稱（master_name）文章編號(hào)（pid）,文章內(nèi)容(doc)，文章類目(category)，文章發(fā)布時(shí)間（publish_time），瀏覽量(view_num)，收藏量(collect_num)匯總為works.csv數(shù)據(jù)。
作者權(quán)重及排序
我們希望通過對(duì)作者進(jìn)行打分，獲得‘’大師、專家‘’列表，用于在文章權(quán)威性評(píng)價(jià)指標(biāo)。由于是初始階段我們無法獲得大師名單列表，甚至作者名單都不全，因此需要先對(duì)爬蟲數(shù)據(jù)結(jié)構(gòu)有一定了解。
我們根據(jù)auther.csv數(shù)據(jù)，將作者排序因素分類為作者影響力水平（eindex）、作者領(lǐng)域?qū)I(yè)度（pindex）、作者流行性度(h index)等，其中：
（1）作者影響力水平評(píng)價(jià)：以作者作品瀏覽量和收藏?cái)?shù)的H Index加權(quán)和作為影響力排序指標(biāo)；
（2）作者領(lǐng)域?qū)I(yè)度評(píng)價(jià)：分別計(jì)算作者行業(yè)作品瀏覽率與行業(yè)平均瀏覽率占比和作者行業(yè)作品收藏率與行業(yè)平均收藏率占比，然后求兩項(xiàng)加權(quán)和作為評(píng)判作者在行業(yè)領(lǐng)域內(nèi)的專業(yè)度；
（3）作者流行性度：以作者月平均產(chǎn)出作品數(shù)、月平均作品瀏覽量、月平均作品收藏量、月平均主頁訪問量、月平平粉絲數(shù)加權(quán)和作為作者流行度評(píng)價(jià)指標(biāo)。
通過對(duì)多個(gè)因子進(jìn)行組合和篩選，可以看到部分因子和作者權(quán)重有較好的一致性。
作者權(quán)重score分布及分級(jí)：
作品權(quán)重及排序
我們根據(jù)works.csv數(shù)據(jù),選取以作品認(rèn)可度（avalue）、作品影響力（ivalue）、作品流行度（hvalue）、作品內(nèi)容分?jǐn)?shù)（cvalue）等為指標(biāo)進(jìn)行排序，其中：
（1）作品認(rèn)可度：作品評(píng)分 * 認(rèn)可率，作品評(píng)分通過瀏覽量、收藏量進(jìn)行均值計(jì)算，認(rèn)可度通過瀏覽量、收藏量做權(quán)重占比分布計(jì)算；
（2）作品影響力：以月評(píng)價(jià)文章瀏覽量、收藏量為特征項(xiàng)，分別計(jì)算與行業(yè)同類別文章月平均值比率的加權(quán)和作為排序指標(biāo)；
（3）作品流行度：以文章瀏覽量、收藏量和發(fā)布時(shí)間為特征項(xiàng)計(jì)算文章熱度值，作為文章受歡迎的評(píng)判指標(biāo)；
（4）作品內(nèi)容分：作者權(quán)重 + 文、圖質(zhì)量分?jǐn)?shù) + 懲罰分?jǐn)?shù)；
因子篩選組合：
作品分級(jí)：
通過以上處理，我們可以初步拿到作者和作品的打分結(jié)果和排序結(jié)果，并作為初步把關(guān)的標(biāo)準(zhǔn)之一。
#paperclub
