slashdot过滤留言的方式确实很好很新颖。
我们是不是可以沿着这个思路,开发出过滤任何过量信息的算法呢?
比如电商平台中,产品的排序根据曾经的购买者对它的打分。购买者的画像特征不同,所给分值的比重不同。如一个经常网购,习惯好评的购买者,所给的分值参考就比较低。一个很少网购,很少评论,但一旦评论,给的分值真实性参考性就很高。
问题是如何防止作弊?
根据不同的用户画像,系统自动分配打分权重,是否可靠一些?
slashdot过滤留言的方式确实很好很新颖。
我们是不是可以沿着这个思路,开发出过滤任何过量信息的算法呢?
比如电商平台中,产品的排序根据曾经的购买者对它的打分。购买者的画像特征不同,所给分值的比重不同。如一个经常网购,习惯好评的购买者,所给的分值参考就比较低。一个很少网购,很少评论,但一旦评论,给的分值真实性参考性就很高。
问题是如何防止作弊?
根据不同的用户画像,系统自动分配打分权重,是否可靠一些?