影視解析演算法

① 豆瓣電影的評分標準是什麼有何演算法

豆瓣的注冊用戶看完一部電影，心情好的話會來打個一到五星的分（有時候心情不好也會來）。比方說一部電影有42萬用戶打分。我們的程序把這42萬個一到五星換算成零到十分，加起來除以42萬，就得到了豆瓣評分。

這個評分會自動出現在豆瓣各處，中間沒有審核，平時也沒有編輯盯著看。每過若干分鍾，程序會自動重跑一遍，把最新打分的人的意見包括進來。

那42萬用戶里可能包括資深電影評論家，可能包括你、你的親戚、你的小學同學、早晨賣你油條的那個人，也可能包括阿北我個人。但每個人都是一票。這個是「大眾評審團」應該的含義：不是說團里的人全都大眾，而是說和大眾一樣一人一票。

豆瓣的工作人員偶然收到「我明明給這個片子打了五星，為什麼評分一點沒變」的投訴的時候，除了心裡嘀咕一下「哎，你拿這些紅人／獨生子女／八零後／九零後／零零後／數學不好的人怎麼辦」以外，會（或者應該）這樣耐心解釋：評分實際是變了，只是在小數點後四位，被四捨五入掉了。

但如果有幾千個人和你一樣都打五星的時候，分數就會變。

「一人一票」唯一的例外，是豆瓣的程序判斷是「非正常打分」的帳號。這些打分會被排除在外。具體下面會說到。

豆瓣電影評分的主旨和原則，是「盡力還原普通觀影大眾對一部電影的平均看法」。這個主旨過去十年沒變過，將來也不想變。

它並不是專家、影視從業人員或者資深人士對電影的看法，雖然這些看法會被豆瓣算在「普通觀影大眾」之內。所以有次聽到「豆瓣電影評分不專業」的說法的時候，我的反應這是在說「大眾不專業」，應該怪語文才是。個人認為匯總專家意見會是另一個很有價值的服務，但這個確實不是豆瓣評分的宗旨。

豆瓣簡介

豆瓣（douban）是一家社區網站。網站由楊勃（網名「阿北」）[3]創立於2005年3月6日。該網站以書影音起家，提供關於書籍、電影、音樂等作品的信息，無論描述還是評論都由用戶提供，是中國Web 2.0網站中具有特色的一個網站。

網站還提供書影音推薦、線下同城活動、小組話題交流等多種服務功能，它更像一個集品味系統（讀書、電影、音樂）、表達系統（我讀、我看、我聽）和交流系統（同城、小組、友鄰）於一體的創新網路服務，一直致力於幫助都市人群發現生活中有用的事物。2012年，豆瓣閱讀上線，開始進入網上電子書版權領域。

(1)影視解析演算法擴展閱讀：

豆瓣其他產品

1.豆瓣FM

豆瓣FM是你專屬的個性化音樂收聽工具，打開就能收聽，可以用「紅心」、「垃圾桶」或者「跳過」 告訴豆瓣FM你的喜好。豆瓣FM將根據你的操作和反饋，從海量曲庫中自動發現並播出符合你音樂口味的歌曲，提供公共、私人和紅心三種收聽方式。在紅心兆赫離線也能收聽。

2.豆瓣讀書- 豆瓣讀書自2005年上線，已成為國內信息最全、用戶數量最大且最為活躍的讀書網站。我們專注於為用戶提供全面、且精細化的讀書服務，同時不斷探索新的產品模式。到2012年豆瓣讀書每個月有超過800萬的來訪用戶，過億的訪問次數。

3.豆瓣閱讀

豆瓣閱讀是豆瓣讀書2012年推出的數字閱讀服務，支持 Web、iPhone、iPad、Android、Kindle等桌面和移動設備，自2012年5月7日作品商店上線以來，商店作品達600餘部，用戶評論3000餘篇，有50萬用戶購買過付費或者免費作品。

豆瓣閱讀的現有內容涵蓋了小說、歷史、科技、藝術與設計、生活等多種門類，定位為短篇作品和圖書於一體的綜合平台。

4.豆瓣音樂

豆瓣音樂是中國最大的音樂分享、評論、音樂人推廣社區，擁有最完整的全球音樂信息庫、最權威的用戶音樂評論，和最具創造力的獨立音樂人資源。匯集90多萬音樂條目，包括小凡say、幼稚園殺手、MC光光、呆寶靜等21000多位獨立音樂人入駐，2011年全年平均每5分鍾誕生一首原創音樂，覆蓋粉絲超千萬。

5.豆瓣同城

豆瓣同城是國內最大的線下活動信息發布平台，包括音樂/演出、話劇、展覽、電影、講座/沙龍、戲劇/曲藝、生活/聚會、體育、旅行、公益……專注於一線城市業餘生活方式。

6.豆瓣小組

豆瓣小組於2005年上線，定位於「對同一個話題感興趣的人的聚集地」，至今已有30多萬個小組被用戶創建，月獨立用戶超過5500萬。內容包括娛樂、美容、時尚、旅行等生活的方方面面。用戶在這里發布內容，同時也通過互動或瀏覽，發現更多感興趣的內容。

② KNN 演算法-理論篇-如何給電影進行分類

KNN 演算法 的全稱是 K-Nearest Neighbor ，中文為 K 近鄰 演算法，它是基於 距離 的一種演算法，簡單有效。

KNN 演算法 即可用於分類問題，也可用於回歸問題。

假如我們統計了一些 電影數據，包括電影名稱，打鬥次數，接吻次數，電影類型 ，如下：

可以看到，電影分成了兩類，分別是動作片和愛情片。

如果現在有一部新的電影A，它的打鬥和接吻次數分別是80 和7，那如何用KNN 演算法對齊進行分類呢？

我們可以將打鬥次數作為 X 軸 ，接吻次數作為 Y 軸 ，將上述電影數據畫在一個坐標系中，如下：

通過上圖可以直觀的看出，動作電影與愛情電影的分布范圍是不同的。

KNN 演算法 基於距離，它的原理是： 選擇與待分類數據最近的K 個點，這K 個點屬於哪個分類最多，那麼待分類數據就屬於哪個分類 。

所以，要判斷電影A 屬於哪一類電影，就要從已知的電影樣本中，選出距離電影A 最近的K 個點：

比如，我們從樣本中選出三個點（即 K 為 3），那麼距離電影A 最近的三個點是《功夫》，《黑客帝國》和《戰狼》，而這三部電影都是動作電影。因此，可以判斷電影A 也是動作電影。

另外，我們還要處理兩個問題：

關於點之間的距離判斷，可以參考文章 《計算機如何理解事物的相關性》 。

至於K 值的選擇，K 值較大或者較小都會對模型的訓練造成負面影響，K 值較小會造成 過擬合 ，K 值較大 欠擬合 。

因此，K 值的選擇，一般採用 交叉驗證 的方式。

交叉驗證的思路是，把樣本集中的大部分樣本作為訓練集，剩餘部分用於預測，來驗證分類模型的准確度。一般會把 K 值選取在較小范圍內，逐一嘗試K 的值，當模型准確度最高時，就是最合適的K 值。

可以總結出， KNN 演算法 用於分類問題時，一般的步驟是：

如果，我們現在有一部電影B，知道該電影屬於動作電影，並且知道該電影的接吻次數是 7 ，現在想預測該電影的打鬥次數是多少？

這個問題就屬於 回歸問題 。

首先看下，根據已知數據，如何判斷出距離電影B 最近的K 個點。

我們依然設置K 為3，已知數據為：

根據已知數據可以畫出下圖：

圖中我畫出了一條水平線，這條線代表所有接吻次數是7 的電影，接下來就是要找到距離 這條線 最近的三部（K 為 3）動作電影。

可以看到，距離這條水平線最近的三部動作電影是《功夫》，《黑客帝國》和《戰狼》，那麼這三部電影的打鬥次數的平均值，就是我們預測的電影B 的打鬥次數。

所以，電影B 的打鬥次數是：

本篇文章主要介紹了 KNN 演算法 的基本原理，它簡單易懂，即可處理分類問題，又可處理回歸問題。

KNN 演算法 是基於 距離 的一種機器學習演算法，需要計算測試點與樣本點之間的距離。因此，當數據量大的時候，計算量就會非常龐大，需要大量的存儲空間和計算時間。

另外，如果樣本數據分類不均衡，比如有些分類的樣本非常少，那麼該類別的分類准確率就會很低。因此，在實際應用中，要特別注意這一點。

（本節完。）

推薦閱讀：

決策樹演算法-理論篇-如何計算信息純度

決策樹演算法-實戰篇-鳶尾花及波士頓房價預測

樸素貝葉斯分類-理論篇-如何通過概率解決分類問題

樸素貝葉斯分類-實戰篇-如何進行文本分類

計算機如何理解事物的相關性-文檔的相似度判斷