golang基于Wilson Score算法计算平均评分插件库avgRating的使用

golang基于Wilson Score算法计算平均评分插件库avgRating的使用

avgRating是一个基于Wilson Score方程计算平均评分和得分的Golang库，它是从average-rating项目移植而来。

安装

使用go get命令安装该库：

go get github.com/kirillDanshin/avgRating

使用示例

下面是一个完整的示例，展示如何使用avgRating库计算基于Wilson Score算法的评分：

package main

import (
	"fmt"
	"github.com/kirillDanshin/avgRating"
)

func main() {
	// 示例1：计算5星评分系统的Wilson Score
	// 参数说明：
	// 5 - 5星评分系统
	// 100 - 总评分次数
	// 80 - 5星评分次数
	// 10 - 4星评分次数
	// 5 - 3星评分次数
	// 3 - 2星评分次数
	// 2 - 1星评分次数
	score := avgRating.Score(5, 100, 80, 10, 5, 3, 2)
	fmt.Printf("Wilson Score: %.2f\n", score)
	
	// 示例2：计算简单的平均评分
	average := avgRating.Average(5, 100, 80, 10, 5, 3, 2)
	fmt.Printf("Average Rating: %.2f\n", average)
	
	// 示例3：计算不同评分系统的Wilson Score
	// 10星评分系统示例
	score10 := avgRating.Score(10, 500, 300, 100, 50, 30, 10, 5, 3, 2, 0, 0)
	fmt.Printf("10-star Wilson Score: %.2f\n", score10)
}

方法说明

Score函数

func Score(scale int, ratings ...int) float64
  • scale: 评分系统的最大星级（如5星系统则为5）
  • ratings: 从高到低的各星级评分数量
  • 返回值：基于Wilson Score算法计算出的评分

Average函数

func Average(scale int, ratings ...int) float64
  • scale: 评分系统的最大星级
  • ratings: 从高到低的各星级评分数量
  • 返回值：简单平均评分

注意事项

  1. 该库使用MIT许可证
  2. 评分数量应该从最高星级到最低星级顺序传入
  3. Wilson Score算法特别适用于评分数量较少时，能更准确地反映真实评分水平

许可证

The MIT License (MIT)


更多关于golang基于Wilson Score算法计算平均评分插件库avgRating的使用的实战教程也可以访问 https://www.itying.com/category-94-b0.html

1 回复

更多关于golang基于Wilson Score算法计算平均评分插件库avgRating的使用的实战系列教程也可以访问 https://www.itying.com/category-94-b0.html


Golang基于Wilson Score算法的平均评分计算库avgRating

Wilson Score算法是一种用于计算评分置信区间的统计方法，特别适用于小样本量的评分系统。它能够避免极端评分对平均分的影响，提供更合理的评分排序。

avgRating库简介

avgRating是一个基于Wilson Score算法的Golang评分计算库，主要功能包括：

  • 计算Wilson Score置信区间下限
  • 处理正面/负面评价
  • 适用于产品评分、评论排序等场景

安装

go get github.com/yourusername/avgRating

基本使用示例

package main

import (
	"fmt"
	"github.com/yourusername/avgRating"
)

func main() {
	// 示例1: 计算Wilson Score
	positiveVotes := 100  // 正面评价数
	totalVotes := 120     // 总评价数
	confidence := 0.95    // 置信水平

	score := avgRating.WilsonScore(positiveVotes, totalVotes, confidence)
	fmt.Printf("Wilson Score: %.4f\n", score)

	// 示例2: 比较两个产品的评分
	productA := avgRating.NewRating(80, 100)  // 80好评，20差评
	productB := avgRating.NewRating(8, 10)    // 8好评，2差评

	scoreA := productA.WilsonScore(confidence)
	scoreB := productB.WilsonScore(confidence)

	fmt.Printf("Product A score: %.4f\n", scoreA)
	fmt.Printf("Product B score: %.4f\n", scoreB)

	if scoreA > scoreB {
		fmt.Println("Product A has better rating")
	} else {
		fmt.Println("Product B has better rating")
	}
}

高级用法

自定义置信水平

// 使用不同的置信水平
score95 := avgRating.WilsonScore(positiveVotes, totalVotes, 0.95)
score99 := avgRating.WilsonScore(positiveVotes, totalVotes, 0.99)

批量计算评分

type Product struct {
	Name      string
	Upvotes   int
	Downvotes int
}

func main() {
	products := []Product{
		{"Product A", 100, 20},
		{"Product B", 80, 10},
		{"Product C", 50, 5},
	}

	for _, p := range products {
		score := avgRating.WilsonScore(p.Upvotes, p.Upvotes+p.Downvotes, 0.95)
		fmt.Printf("%s: %.4f\n", p.Name, score)
	}
}

实现原理

Wilson Score算法的核心公式为：

( p̂ + z²/2n ± z * √( (p̂(1-p̂) + z²/4n) / n ) ) / (1 + z²/n)

其中：

  • p̂ = 正面评价比例
  • n = 总评价数
  • z = 标准正态分布的分位数

avgRating库内部实现了这个公式的高效计算，并进行了优化处理。

性能考虑

对于大规模评分系统，建议：

  1. 预计算并缓存Wilson Score
  2. 定期更新评分而不是实时计算
  3. 对于极高评价数的项目，可以降级使用简单平均分

与其他方法的比较

相比简单平均分，Wilson Score的优势：

  • 小样本情况下更可靠
  • 避免极端评分影响
  • 提供统计置信度

劣势：

  • 计算复杂度稍高
  • 需要理解统计概念

总结

avgRating库为Golang开发者提供了简单易用的Wilson Score实现，适用于需要公平评分排序的各种应用场景。通过置信区间的概念，它能够更合理地反映产品的真实质量水平，特别是在评价数量差异较大时。

如需更高级功能，可以考虑扩展库的功能，如添加多维度评分、时间衰减因子等。

回到顶部