【电影评分算法】豆瓣、猫眼、IMDb

豆瓣评分：

  评分对象——豆瓣注册用户（注册比较久的老用户评分才有作用，新用户的评分仅作参考）且不是“非正常打分”的帐号；
  规则——一人一票，一星至五星，最后换算成10分制；
  算法——加权平均，权重为打分用户数的百分比；
  假设评分一星到五星的人数分别为A,B,C,D,E。那么
豆瓣分=(A÷ (A+B+C+D+E))×2+(B÷ (A+B+C+D+E))×4+(C÷ (A+B+C+D+E))×6+(D÷ (A+B+C+D+E))×8+(E÷ (A+B+C+D+E))×10
  优缺点——优点：算法简单易懂，易操作，直观。缺点：一是水军不少；二是选择观影就意味着会过滤掉很多非类型片受众，所以打一星的很少；三是有不少是因为"睡过头忘记看电影""有事买票不能去但电影院不给退"之类的理由，给电影打低分。

猫眼评分：

  评分对象——猫眼的电影评分分三种，点映评分、观众评分、专业评分。
  点映评分是电影在正式上映前，观众购买点映场次电影票，并观看完电影后给出的评分；
  观众评分是电影正式上映后，观众购买电影票，并观看完后给出的评分；
  点映评分和观众评分两者没有结合或者继承的关系，也就是说点映评分只是电影在上映前点映场次的分数，电影正式上映后的分数是由正式观看完的观众所打出的分数；
  专业评分是由猫眼特邀的81位专业评委（截止2017年2月16日），在观影后对影片进行技术性评分。这些专业评委来自权威影评人、资深媒体人、电影学者组成。
  规则——一人一票
  算法——加权平均，与豆瓣算法类似
  优缺点——优点：1.评分用户均为看过电影的用户；2.区分了专业和大众，有更多维度的参考；缺点：1.豆瓣有的缺点在猫眼评分中同样存在；2.猫眼评分相对豆瓣较高，遭到不少抨击；

IMDb（互联网电影数据库）评分：

  IMDb网站是目前互联网上最为权威、系统、全面的电影资料网站，里面包括了几乎所有的电影，以及1982 年以后的电视剧集。IMDB的资料中包括了影片的众多信息，演员，片长，内容介绍，分级 ，评论等，就个人买碟而言，很大程度上也是参考IMDb的得分。 它所特有的电影评分系统深受影迷的欢迎，注册的用户可以给任何一部影片打分并加以评述，而网站又会根据影片所得平均分、选票的数目等计算得出影片的加权平均分并以此进行TOP250（最佳250部影片）和Bottom100（最差100部影片）的排行。
  由于影片资料的更新和所得评分的不断变化，TOP250和Bottom100必定是份动态的名单，但大部分出色（或者说是受大众欢迎的）影片的位置会相对不变，于是这份TOP榜单也就有了窥视大众电影口味的意义。评选最佳250部电影时只考虑正式的投票者的投票结果。分值系统采用10分制，最低为awful（令人厌恶）的1分，最高为excellent（出类拔萃）的10分。值得注意的是，虽然很多影片在资料系统中得分很高，但由于未能达到TOP所要求的最低1250张的投票数而无法参加排行。因此，很多曲高和寡（至少在美国）的优秀影片未能列入其中。尽管如此，这份名单对选看影片仍具有重要的参考价值。
　　这里就有一个问题：热门电影与冷门电影的平均得分，是否真的可比？举例来说，一部好莱坞大片有10000个观众投票，一部小成本的文艺片只有100个观众投票。这两者的投票结果，怎么比较？如何才能公平地反映出一部电影真正的质量？
　　一个合理的思路是，如果要比较两部电影的好坏，至少应该请同样多的观众观看和评分。既然文艺片的观众人数偏少，那么应该设法为它增加一些观众。在排名页面的底部，IMDb给出了它的计算方法。
根据IMDb网站上公布的TOP250评分标准：
　　imdb top 250用的是贝叶斯统计的算法得出的加权分(Weighted Rank-WR)，公式如下：
　　weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C
　　其中：
　　R = average for the movie (mean) = (Rating) （是用普通的方法计算出的平均分）
　　v = number of votes for the movie = (votes) （投票人数，需要注意的是，只有经常投票者才会被计算在内，这个下面详细解释）
　　m = minimum votes required to be listed in the top 250 (currently 1250) （进入imdb top 250需要的最小票数，只有三两个人投票的电影就算得满分也没用的）
　　C = the mean vote across the whole report (currently 6.9) （目前所有电影的平均得分）
　　仔细研究这个公式，你会发现，IMDb为每部电影增加了1250张选票，并且这些选票的评分都为6.9。这样做的原因是，假设所有电影都至少有1250张选票，那么就都具备了进入前250名的评选条件；然后假设这1250张选票的评分是所有电影的平均得分（即假设这部电影具有平均水准）；最后，用现有的观众投票进行修正，长期来看，v/(v+m)这部分的权重将越来越大，得分将慢慢接近真实情况。
　　这样做拉近了不同电影之间投票人数的差异，使得投票人数较少的电影也有可能排名前列。
　　IMDb上的评分完全来自于网民的评价，凭的是参与评价的网民的自身喜好，参与评分的网民越多，IMDb的评分越有可靠性。
　　看到这个公式，我们就能明白为什么IMDb的排名最有权威性，虽然它是一个以英美观众为主的网站，但依然受到全世界影迷的推崇，这和它以科学为主导的客观公正性是分不开的。
笔者认为IMDb评分相对来说更具科学性，但是其评分同样也会受到水军等影响因素的影响，只不过从数学模型的角度用更加复杂的算法，使得’脏数据‘对整体评分的影响降低到更小的水平。

  All things are difficult before they are easy.