我正在进行一个项目，该项目要求我解析新闻文章并确定其中最好的。我发现，要确定一篇文章的质量，我需要三个主要参数：文章的长度、脸书的分享/转发次数和文章发布后的时间。
我现在面临的问题是，如何将所有三个参数放在一个数学函数中，并为每一篇文章得出分数？分配给每一篇文章的分数将帮助我对文章进行排名，并将其展示给用户。
此外，请告诉我在确定质量时是否需要考虑任何其他参数。
我不确定你的项目的确切性质，但这项任务很难准确完成。你如何考虑到这样一个事实，即最受分享/点赞的文章往往是最两极分化的。点赞/分享的数量也明显受到新闻网站受欢迎程度的影响。我认为任何类型的自动文本分析都不够准确，很容易被滥用。然后，你最好的选择是寻找指示性代理，如：
- 通过在谷歌搜索结果中的排名来衡量网站的信誉
- 以流量衡量的网站人气
- 你提到的facebook点赞/分享数量
- 互联网上链接到文章的位置数
由于包含文章等级的数据集很难获得，您可能无法进行任何类型的统计分析。相反，你只需要制定一个公式，并用你的最佳判断来衡量参数。为了支持这一点，也许可以手工评分几篇文章，看看有什么不同的公式。
你想要的东西很容易实现。你必须有你感兴趣的各种数据：增加和减少的数据。增加数据被认为是"好的"，只要它增加。数据越接近零，就被认为是"更好"的。
事实证明，所有四个数据集都是简单的整数：
增加数据
- 共享：正整数
s in N_0（从零到无穷大的每个整数） - 转发：正整数
r in N_0
递减数据
对于递减数据，您希望使用绝对值作为度量：
- 让
t_0是文章的时间戳（unix左右） - 设
T为当前时间戳 - 设
l_0表示被认为是"最佳"的文章的长度 - 设
L表示文章的实际长度
然后：
- 时间：
|t_0 - T|越接近零越好 - 长度：
|l_0 - L|越接近零越好
由于绝对值是正整数，因此如下所示：
随着|t_0 - T|和|l_0 - L|更接近零，|l_0 - L| + |t_0 - T|更接近零。
不断增加的数字也是如此。
因此，一篇文章越有可能是"正确"的长度和新的，这个数字就越接近零。
结论
一个递增数与一个递减数的商本身就是递增的。想想看：分母越小，商就越大。分子越大，商就越大。
这意味着：如果认为商"更好"
(s+r) / (|l_0 - L| + |t_0 - T|)
上升。
这不一定是一个整数。
增强
你可以缓和股票和转发的上涨，所以使用ln得分会变得更加"自然"。
ln(s+r) / (|l_0 - L| + |t_0 - T|)
您可以使用exp来软化分母：
ln(s+r) / exp(-(|l_0 - L| + |t_0 - T|))