收集豆瓣使用者對這部電影的打分,透過豆瓣的一種演算法,最終得出分數。
演算法屬於綜合評估,平均分是其中一項而已,但並不是絕對,不然,電影僱傭水軍,就可以讓電影變成接近滿分了,沒有意義了,所以豆瓣演算法中其中一項涉及到權重。
舉個例子
一部電影剛上映,很爛,正常打分可能都是一分,但是發行方僱傭了大量水軍打分,直接把分數打到很高,因為這時候豆瓣使用者還沒有多少人看過電影呢,不過,之後慢慢很多人都看過了電影,知道很爛,尤其很多豆瓣的老使用者,這些人權重很高,可能,你一千個水軍新號,未必有一個老使用者的權重高,他大個一分,就能拉回到一半,隨著權重高的人看過電影的越來越多,分數必然就會大幅度下降,直至趨於穩定,最終得出還算科學的得分。
無論多少嚴謹的演算法,都無法做到絕對科學和公平,畢竟,每個人的口味還不一樣呢,電影的好壞也沒有絕對標準,分數只能說是參考,可能這部片子在你心中五星,在別人心中三星,甚至一星呢。
當然豆瓣的演算法也不是成不變的,也會不斷微調,儘量做到更完美,讓大多數使用者滿意。
收集豆瓣使用者對這部電影的打分,透過豆瓣的一種演算法,最終得出分數。
演算法屬於綜合評估,平均分是其中一項而已,但並不是絕對,不然,電影僱傭水軍,就可以讓電影變成接近滿分了,沒有意義了,所以豆瓣演算法中其中一項涉及到權重。
舉個例子
一部電影剛上映,很爛,正常打分可能都是一分,但是發行方僱傭了大量水軍打分,直接把分數打到很高,因為這時候豆瓣使用者還沒有多少人看過電影呢,不過,之後慢慢很多人都看過了電影,知道很爛,尤其很多豆瓣的老使用者,這些人權重很高,可能,你一千個水軍新號,未必有一個老使用者的權重高,他大個一分,就能拉回到一半,隨著權重高的人看過電影的越來越多,分數必然就會大幅度下降,直至趨於穩定,最終得出還算科學的得分。
無論多少嚴謹的演算法,都無法做到絕對科學和公平,畢竟,每個人的口味還不一樣呢,電影的好壞也沒有絕對標準,分數只能說是參考,可能這部片子在你心中五星,在別人心中三星,甚至一星呢。
當然豆瓣的演算法也不是成不變的,也會不斷微調,儘量做到更完美,讓大多數使用者滿意。