對于搜索引擎而言，用戶算法的核心價值是用戶體驗至会，包括搜索內(nèi)容的相關性、內(nèi)容質(zhì)量及時效性等谱俭，其中內(nèi)容質(zhì)量是前置步驟奉件，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果排序因素昆著，是決定高質(zhì)量搜索結果前提县貌。
內(nèi)容質(zhì)量主要有兩個維度。第一凑懂，EAT 分數(shù)煤痕，主要取決于文檔的來源和作者。EAT是專業(yè)性（expertise）征候、權威性（authoritativeness）杭攻、可信賴（trustworthiness）三個詞的首字母縮寫；第二疤坝，文字和圖片質(zhì)量兆解，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）等跑揉。
爬蟲采集到了作者編號（account_id）锅睛，作者昵稱（master_name），作者領域（master_property）历谍，文章編號（pid）,文章內(nèi)容(doc)现拒，文章類目(category)英遭，文章發(fā)布時間（publish_time）双肤，瀏覽量(view_num)飘言，收藏量(collect_num)钧嘶，一共12w行。通過 作者編號（account_id）露乏，作者昵稱（master_name）傀蓉，作者領域（master_property）撩幽，通過作者發(fā)文時間等字段，及計算作者創(chuàng)作年齡（span_date）匯總為author.csv數(shù)據(jù)退唠，通過編號（account_id）鹃锈，作者昵稱（master_name）文章編號（pid）,文章內(nèi)容(doc)，文章類目(category)瞧预，文章發(fā)布時間（publish_time）屎债，瀏覽量(view_num)，收藏量(collect_num)匯總為works.csv數(shù)據(jù)垢油。
作者權重及排序
我們希望通過對作者進行打分盆驹，獲得‘’大師、專家‘’列表滩愁，用于在文章權威性評價指標召娜。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惊楼，因此需要先對爬蟲數(shù)據(jù)結構有一定了解。
我們根據(jù)auther.csv數(shù)據(jù)秸讹，將作者排序因素分類為作者影響力水平（eindex）檀咙、作者領域專業(yè)度（pindex）、作者流行性度(h index)等璃诀，其中：
（1）作者影響力水平評價：以作者作品瀏覽量和收藏數(shù)的H Index加權和作為影響力排序指標弧可；
（2）作者領域專業(yè)度評價：分別計算作者行業(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，然后求兩項加權和作為評判作者在行業(yè)領域內(nèi)的專業(yè)度劣欢；
（3）作者流行性度：以作者月平均產(chǎn)出作品數(shù)棕诵、月平均作品瀏覽量、月平均作品收藏量凿将、月平均主頁訪問量校套、月平平粉絲數(shù)加權和作為作者流行度評價指標。
通過對多個因子進行組合和篩選牧抵，可以看到部分因子和作者權重有較好的一致性笛匙。
作者權重score分布及分級：
作品權重及排序
我們根據(jù)works.csv數(shù)據(jù),選取以作品認可度（avalue）、作品影響力（ivalue）犀变、作品流行度（hvalue）妹孙、作品內(nèi)容分數(shù)（cvalue）等為指標進行排序，其中：
（1）作品認可度：作品評分 * 認可率获枝，作品評分通過瀏覽量蠢正、收藏量進行均值計算，認可度通過瀏覽量省店、收藏量做權重占比分布計算嚣崭；
（2）作品影響力：以月評價文章瀏覽量笨触、收藏量為特征項，分別計算與行業(yè)同類別文章月平均值比率的加權和作為排序指標有鹿；
（3）作品流行度：以文章瀏覽量旭旭、收藏量和發(fā)布時間為特征項計算文章熱度值，作為文章受歡迎的評判指標葱跋；
（4）作品內(nèi)容分：作者權重 + 文持寄、圖質(zhì)量分數(shù) + 懲罰分數(shù)；
因子篩選組合：
作品分級：
通過以上處理娱俺，我們可以初步拿到作者和作品的打分結果和排序結果稍味，并作為初步把關的標準之一。
#paperclub
