machine-learning - 在对社交网络新闻提要项目进行排名时，结合启发式方法

我们有一个新闻提要，我们希望根据许多标准向用户显示项目。某些项目会由于A因子而浮出水面，另一个因B而又由于C而浮出水面。我们可以为每个因子创建单独的启发式方法，但是随后我们需要将这些启发式方法结合起来，以使其发挥最大的作用。内容要考虑每个因素，同时仍然要综合考虑每个因素的内容。

我们幼稚的方法是从每个因素中加载顶部n，获取每个因素中的第一个，然后将其设为Feed的前3个。然后从每个供稿中获取第二个，并使其成为第二个，依此类推。理想情况下，我们将有一些算法可以更智能地对这些Feed项进行排名-我们的第一个想法是简单地对这三种启发式算法求和，并使用所得的综合得分来拉动排名靠前的条目，但是我们无法保证启发式算法是按比例缩放的(或(针对该特定用户平均缩放))，这可能会导致一个因素在供稿中占据主导地位。是否有一些更智能的方式对这些新闻提要项目进行排名(类似于Facebook在其伪时间新闻提要中的行为)？

最佳答案

如果您的最终组合试探法不需要被接受，那么将原始试探法的总和用作您的最终试探法不会有任何危害。这里的问题是原始启发法可能不具有相同的维数，例如A的取值范围是0到100，而B的取值范围是-1到+1。我建议使用以下公式来计算项目的组合试探法，而忽略特定试探法的维数:
H = (A - min(A))/(max(A) - min(A)) + (B - min(B))/(max(B) -min(B)) + (C - min(C))/(max(C) - min(C))
当然，要查找每种启发式方法的min和max值，您需要了解每种启发式方法的含义。我不确定这是否可以解决您的问题，但我希望能解决。

关于machine-learning - 在对社交网络新闻提要项目进行排名时，结合启发式方法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44435232/