Skip to content

Latest commit

 

History

History
110 lines (74 loc) · 4.13 KB

Score 算法设计.md

File metadata and controls

110 lines (74 loc) · 4.13 KB

用户分数计算算法

背景与目标

为了评估 GitHub 用户的技术能力和影响力，建立一个合理的评分机制是必要的。该算法基于用户的公开数据，如粉丝数量、仓库信息、pr 和 issue 等，综合考虑多项指标，计算出用户的个人资料得分。

算法设计与实现

核心思路

  1. 指标权重设定：根据各项指标对用户技术能力的反映程度，设定相应的权重，总权重为 100%。
  2. 数量型数据处理：对于涉及数量的指标，使用指数增长模型计算得分，使得在关键点之前得分增长较快，之后趋于平缓。
  3. 数组型数据处理：对于数组类型的数据（如仓库列表），采用指数衰减模型，强调重要性较高的前几个元素。
  4. 总分计算：将各部分得分按照权重汇总，得到用户的最终得分。

指标权重

  1. 用户基本信息（占比 30% ）

    • github_user_id (不涉及技术能力):0%
    • followers（粉丝数）：8%
    • public_repos（公开仓库数）：2%
    • commit_amount（提交数）：5%
    • pr_amount（拉取请求数）：10%
    • issue_amount（问题数）：5%
    • repo_amount (已经被 public_repos 包含，无需单独计算):0%
    • type (不直接反映技术能力) :0%

  2. 仓库信息（占比 50%）

    • name (不涉及技术能力):0%
    • is_forked（是否为 fork）：5%
    • stars（星标数）：20%
    • forks（被 fork 数）：15%
    • watchers（关注者数）：5%
    • open_issues（未解决问题数）：5%

  3. 拉取请求（占比 15%）

    • pr_and_issue_amount（拉取请求和问题总数）：15%

  4. 问题（占比 5%）

    • pr_and_issue_amount（拉取请求和问题总数）：5%

主要公式

1. 数量型数据的得分计算

对于涉及数量的指标，使用以下指数增长公式计算得分：

$$ y = \text{MaxScore} \left(1 - e^{-\frac{2.5x}{\text{CriticalPoint}}}\right) $$

其中：

  • $ y $：该指标的得分。
  • $ x $：该指标的实际值。
  • $\text{MaxScore}$：该指标的最高得分（根据权重确定，如 8、10、15 等）。
  • $\text{CriticalPoint}$：关键点，取值为 1000，表示在该值附近得分增长开始趋于平缓。

2. 数组型数据的得分计算

对于数组类型的数据（如仓库列表、拉取请求列表等），使用**性能点数（Performance Point，PP）**的指数衰减模型：

$$ \text{PP} = \sum_{i=1}^{m} \text{pp}_i \times 0.7^{(i-1)} $$

其中：

  • $ \text{PP} $：总的性能点数。
  • $ \text{pp}_i $：按照指标排序后的第 $ i $ 个元素的得分。
  • $ m $：取前 3 个元素（如果少于 3 个，则取所有元素）。
  • $ 0.7 $：衰减系数，表示位置越靠后，权重越低。

总分汇总

将各部分得分相加，得到用户的最终得分：

$$ \text{TotalScore} = \text{UserScore} + \text{RepoScore} + \text{PRScore} + \text{IssueScore} $$

其中：

  • $ \text{UserScore} $ 为用户基本信息得分之和。
  • $ \text{RepoScore} $ 为仓库总得分。
  • $ \text{PRScore} $ 为拉取请求总得分。
  • $ \text{IssueScore} $ 为问题总得分。

注意事项

  • 数组数据处理：对于数组型数据，采用指数衰减模型，强调前几个重要元素的影响。
  • 关键点设置：关键点（CriticalPoint）设为 1000，表示在此值附近，得分增长开始放缓，体现指标的边际效应递减。
  • 得分上限：所有指标得分均有最高限制，避免某一指标对总分过度影响。
  • 权重总和：所有指标的权重之和为 100%，确保总分在 0 到 100 之间。
  • 边际效应：防止某一指标对总分的过度影响，使评分系统对数据异常具有鲁棒性

总结

该算法通过对多项指标的综合评估，客观地反映了 GitHub 用户的技术能力、活跃度和影响力。采用指数增长和指数衰减模型，使得评分既能体现指标的重要性，又能防止个别指标对总分的过度影响，确保评分的公平性和合理性。