[部落格觀察] 計算方式大揭密

16 Responses to “[部落格觀察] 計算方式大揭密”

1. MRK 說道：

   2006 年 12 月 01 日 at 09:08:12

   取log再相加≡相乘再取log

   Reply
2. 野貓 說道：

   2006 年 12 月 01 日 at 10:10:08

   沒錯，不過怕 int 爆掉，還是先取再說 ^^;

   Reply
3. hao 說道：

   2006 年 12 月 05 日 at 12:10:50

   Gea-Suan Lin 那篇「部落格排名？」的批評或許直接了些，但「標準化」的建議是適當的。

   以「重視」這個指標為例，可將每個來源的原始分數轉換為標準分數。假定全部被觀察的部落格的 Bloglines 訂閱人數平均數是 M，標準差是 SD，如果某個部落格在 Bloglines 有 N 人訂閱，標準分數就是 (N – M)/SD。

   這樣算出來的標準分數，分佈是：平均數 0，標準差 1。如果覺得讀者不習慣看有正負號又有小數點的數字，可以再作線性轉換。例如，把標準分數的平均數設為 100，標準差設為 15。這樣每個部落格就有一個正整數的分數，而且同樣容易從分數中看出相對位置。

   如此，每個部落格在「重視」的 7 個來源就有 7 個標準分數。假定各來源權重相同，那麼直接相加除以 7 就可以了。如果權重不同，就計算加權平均值。

   其他的指標亦可用同樣方式計算。另外，採用這樣的算法，「Page 總分」與「Index 指數」只需要其中一個。

   Reply
4. “野貓 說道：

   2006 年 12 月 05 日 at 14:35:42

   我完全贊同 hao 的計算法，
   其實我在那篇下面有留言，引一段回來：

   如果要以「都是不同的東西，所以不能加在一起」這個觀點出發，
   那或許最準確的計算方式當是每個來源都獨立的計算排名，
   在將每個排名取平均數看誰最低。

   不過重點還是在於「權重」；
   BTW，我會試著去作一個這樣的計算結果，
   看看如果都算完相加後，排名會有多大的差異

   Reply
5. hao 說道：

   2006 年 12 月 05 日 at 15:29:27

   名次可能不太適合拿來平均，因為它只是表示相對次序，而無法充分表示量的差異。例如，排序後，第 n 名和第 n+1 名的差距是 1，第 k 名和第 k+1 名的差距也是 1。實際上，第 n 名和第 n+1 名原始分數的差距，和第 k 名和第 k+1 名原始分數的差距，兩者未必是相同的。使用標準分數的話，就可以保留這些距離的訊息。

   分數標準化以後，「不同的東西不能加在一起或平均」的問題應該就解決了。再來就是比較麻煩的權重問題了，如果可以依據某些原則自動分配權重是最好的。否則，就得用人工的方式分配了。

   Reply
6. 雪狼之湖 說道：

   2006 年 12 月 05 日 at 16:55:50

   東加加 西減減
   哇哈 哈哈哈哈哈

   Reply
7. “野貓 說道：

   2006 年 12 月 05 日 at 17:15:46

   剛想到，有個比較嚴重的問題。

   並非所有的項目都是常態分配，
   比較多人使用的 Google , Yahoo 這種搜尋引擎或許可以算出標準分數，
   但較少人使用的，尤其是計算重視度的部份，
   許多網站都是有用的人僅佔少部份，例如 myshare、myzilla，
   在一萬個部落格裡面，在myshare有網址的只有約兩千個，MyZilla更只有一百多個。
   在母群不是常態分配的情況下，算出來的不管是Z分數或是線性轉換之後的T分數 or anyway，其實沒有多大的意義 (都離標準差很遠)。
   要畫圖的話，應該是個兩邊高起的反曲線圖吧 ^^;;

   Reply
8. 黒貘 說道：

   2006 年 12 月 05 日 at 17:46:34

   事實上在 wildcat 算之前, 或者是G.S.Lin 在講之前,
   我就知道所有的數字都不是 Normal Distribution,
   比較像是 t 分配或 Erlang Distribtion….

   而要把完全不同的數字(單位)相加的錯誤,
   這我是承認, 但唯一的方式就是所有事情都是獨立事件,
   不該, 或不得已的變成一個唯一的名次,
   是這些單位都無法 Normailization 的最不負責的方法..

   而要不要來做 Normailzation 時,
   我就發現無論是做與不做, 都代表是一種 Weight…
   如 Google 是 1 到 10000, Yahoo 是 1 到 100000,
   若是做 Normalization, 往往代表的是 Yahoo的權重 *10
   但不做時, 也代表Yahoo 比 Google 多 10倍的表現…
   若真的要算好, 還得參考 SEO, 如前 10 頁出現的機會等等…

   因此理論上應該是依使用者的使用量, 再做權重是較對的方式…
   但有趣的應該是出現比例的化,
   事實上是連都不要化成 1..100, 而直接將這數字乘上權數是更接近出現比例…

   反倒是重視這塊, 真的剛好可以直接相加..
   因為這代表的是使用者數….
   但若把 Delicious 與 MyShare 都變成 1..100 的數字的話,
   反而是加上權重把 MyShare 跟 Delicious 的人數與影響力拉成一樣,
   但事實上摘入數與使用者數往往成正比,
   跟本不須要 Normalization 就可以直接相加…

   我不否認這公式還有很多問題,
   但我私底下未官方的相信,
   是有正負10%的信任值..

   Reply
9. “野貓 說道：

   2006 年 12 月 05 日 at 17:54:54

   官方的未官方相信是什麼鬼 XD

   Reply
10. hao 說道：

    2006 年 12 月 06 日 at 01:11:32

    標準分數只不過是原始分數的線性轉換而已，不需要常態分配的假定，簡單可行。黒貘提到原始的頻率統計已經可以反映權重，但權重的估計還是可以分開進行。也就是說，先針對各來源算出標準分數，再根據各來源原始分數平均的差異來估算權重。

    Reply
11. 野貓 說道：

    2006 年 12 月 06 日 at 01:27:57

    嗯，可以算，事實上我也算了，
    但是像 MyZilla 這種沒什麼人用的服務，
    有一兩個連結標準分數就到好幾千分去了 XD
    像我有九個，足足有四萬多 :p
    到底要加權在計算呢？還是就照原本的直接相加？
    我想怎麼解釋都合理

    Reply
12. sfg 說道：

    2007 年 02 月 15 日 at 06:02:27

    不贊成帶有操弄的心態
    心思不應該花在操弄上面
    本末倒置
    這種分析文本來就不應該存在
    心態可議

    Reply
13. DoDo 說道：

    2007 年 07 月 06 日 at 16:30:50

    http://www.hemidemi.com/bookmark/info/650851

    恭喜

    您作弊可以做到 50 個被連接數最高的台灣部落格 的第五名

    厲害厲害

    Reply
14. 野貓 說道：

    2007 年 07 月 11 日 at 12:26:43

    好一陣子沒作更新，
    差點把幾個新的留言跟 spam 一起刪了 XD

    作弊與否就自由去評斷吧，
    Yahoo 要把我這的網址列了這麼多在 site explorer 裡面，
    也不是我能拒絕的吧？ :p

    Reply
15. 小雨 說道：

    2007 年 07 月 13 日 at 17:23:18

    剛剛看了您的內容與更新速度 甚至你們所謂的擴散力

    貴站名列台灣部落格排名榜前幾位

    真是這個排行榜的一大諷刺啊!!

    Reply
16. SaSa 說道：

    2007 年 07 月 14 日 at 02:28:20

    這樣就有24名喔

    Reply