StackExchange问​​题的“趣味性”功能

我正在尝试为StackExchange网站整理一个数据挖掘程序包，尤其是，我一直试图确定“最有趣”的问题。我想使用问题分数，但是要消除由于观看次数而引起的偏见，但是我不知道如何严格地解决这一问题。

在理想世界中，我可以通过计算来对问题进行排序，其中是总投票数，是观看次数。毕竟，它将衡量支持该问题的人数的百分比，减去支持该问题的人数的百分比。 v$\frac{v}{n}$$v$$n$

不幸的是，投票方式要复杂得多。投票趋于“平稳”到一定水平，这会大大低估广受欢迎的问题。实际上，具有1个视图和1个投票的问题肯定会比其他任何具有10,000个视图但票数少于10,000的问题得分更高。

我目前正在使用作为经验公式，但我想精确一点。我如何用严谨的数学方法解决这个问题？$\frac{v}{\log{n}+1}$

为了解决一些评论，我将尝试以更好的方式重述该问题：

假设我有一个问题，共票，次观看。我希望能够估计当视图达到时，最有可能通过总票数进行投票。n 0 v 1 n $v_0$$n_0$$v_1$$n_1$

这样，我可以简单地为选择一个标称值，然后根据期望的总数对所有问题进行排序。对$n_1$$v_1$

我在SO数据转储上创建了两个查询，以更好地显示我正在谈论的效果：

平均得分得分

结果：

平均观看次数得分（100次观看桶）

结果：

两个公式比较

结果，不确定更直是否更好：（蓝色为，红色为）$\frac{v}{n}$$\frac{v}{log{n}+1}$

一个人可能将一个有趣的问题定义为，鉴于观点的数目，该问题已经获得了相对多的选票。为此，您可以创建一条基线曲线，以反映给定视图的预期票数。曲线吸引得比基线多得多的曲线被认为特别有趣。

要构建基线，您可能需要计算每100个视图区的中位数票数。此外，您可以计算中位数绝对偏差（MAD），作为对每个分箱标准偏差的可靠度量。然后，“兴趣度”可以计算为

interestingness(votes,views) = (votes-baselineVotes(views))/baselineMAD(views) 

这是我的理论。我认为有两种问题：大部分保留在SE中（通常具有较少的视图），以及由于外部链接是从其他地方链接而通常由外部人员查看的（通常具有更多视图）。

对于大多数仍保留在SE中的问题，投票是衡量有趣问题的好方法。这是投票的重点。

当问题链接到网站之外时，投票也就失去意义了。一些链接站点的SE成员可能很少，其他站点可能更多。这些问题的投票数方差可能很大（如得分与视图图所证明的那样，曲线的右侧出现了）。这些问题将有更多的观点，观点可能会更好地指示有趣的问题。或有一个更大的社区碰巧发现更多有趣的问题。在这种情况下有很多变数，我认为值得尝试找到更多信息来区分这些情况。SE是否公开推荐信息？