এসই অবদানকারীদের "সু-বৃত্তাকারতা" কীভাবে পরিমাপ করা যায়?

12

স্ট্যাক এক্সচেঞ্জ, যেমনটি আমরা সবাই জানি, বিবিধ বিষয়যুক্ত প্রশ্নোত্তর সাইটের সংগ্রহ of ধরে নিই যে প্রতিটি সাইট একে অপরের থেকে স্বতন্ত্র, যে পরিসংখ্যান ব্যবহারকারীর রয়েছে, তার পরের লোকের তুলনায় কীভাবে তার "সুবিন্যাস" গণনা করা যায়? আমার পরিসংখ্যানিক সরঞ্জামটি কী কাজে লাগানো উচিত?

সত্যি কথা বলতে কীভাবে গাণিতিকভাবে "সুদৃ "়তা" সংজ্ঞায়িত করতে হয় তা আমি পুরোপুরি জানি না তবে এর অবশ্যই নিম্নলিখিত বৈশিষ্ট্যগুলি থাকতে হবে:

সমস্ত জিনিস সমান হচ্ছে, একজন ব্যবহারকারী যত বেশি প্রতিনিধিত্ব করবেন, তত বেশি সুদৃ .়
সমস্ত জিনিস সমান হচ্ছে, কোনও ব্যবহারকারী যত বেশি বেশি বেশি বেশি অংশ নিয়েছে, সে তত বেশি সুদৃ .়।
উত্তর বা প্রশ্ন ভাল-গোলাকৃতি প্রভাবিত করে না

ranking diversity

— Graviton
সূত্র

সবার আগে আপনি কীভাবে এসই প্রসঙ্গে "সু-বৃত্তাকারতা" সংজ্ঞায়িত করবেন?

— জেএম

@ জেএম, আমি জানি না, এ কারণেই আমি আশাবাদী যে সম্প্রদায়টি কিছুটা আরও ধারণাগুলি প্রকাশ করতে সহায়তা করবে।

— গ্রাভিটন

1

হাঁটু ঝাঁকুনি পিসি পুলিশগুলির মতো শোনার ঝুঁকিতে - আসুন আমাদের সাইটগুলিতে আসা মহিলাদের অন্তর্ভুক্ত করা যাক। @ গ্রাভিটন, আপনার সমস্ত উল্লেখ পুরুষদের কাছে।

— Rolando2

কোনও ব্যবহারকারী আইডি দ্বারা নির্ধারিত ভাল-বৃত্তাকারতা আপনাকে কোনও অবদানকারীর সু-বৃত্তাকারতা সম্পর্কে জানায় না , যেহেতু কোনও অংশদাতার বিভিন্ন এসএসের জন্য আলাদা আলাদা আলাদা আলাদা আইডি থাকতে পারে। কিছু ব্যবহারকারীর আইডি একাধিক অবদানকারী (যেমন, অংশীদারি যারা অ্যাকাউন্ট ভাগ করেন) ব্যবহার করতে পারেন be

— আলেক্সিস

7

আপনার পাশাপাশি সাইটের মধ্যে মিলের জন্য অ্যাকাউন্ট করতে হবে। স্ট্যাকওভারফ্লো এবং সিজনড অ্যাডভাইসে অংশ নেওয়া এমন কেউ এসও এবং ক্রসভিলেটেডে অংশ নেওয়া এমন ব্যক্তির চেয়ে বেশি গোলাকার, যিনি ঘুরে ফিরে আসছেন (আমি তর্ক করব) এসও এবং প্রোগ্রামারগুলিতে অংশগ্রহনকারী ব্যক্তির চেয়ে আরও সু-গোলাকার । নিঃসন্দেহে এটি করার অনেকগুলি উপায় রয়েছে তবে এটির জন্য অনুভূতি পেতে আপনি ওভারল্যাপিং রেজিস্ট্রেশনটি পরীক্ষা করতে পারেন।

— ম্যাট পার্কার
সূত্র

1

@ ম্যাট পার্কার, ভাল পয়েন্টস - রেপ যদি মেট্রিকের অংশ হয় তবে আমিও মনে করি যে আপনি কীভাবে এই প্রতিনিধিটি অর্জন করেছিলেন সেদিকে নজর দেওয়া দরকার। যে ব্যক্তি প্রচুর প্রশ্ন / উত্তরের উপর সামান্য লাভ থেকে তাদের খ্যাতি অর্জন করেছেন এমন ব্যক্তির তুলনায় আরও ভাল গোলাকার হতে পারে যিনি একক প্রশ্নে একই প্রতিনিধিত্বকারী ব্যক্তির চেয়ে বেশি পরিমাণে ভোট পেয়েছিল।

— DQdlM

3

@ কেনি এটি একটি ভাল বিষয় এবং আমার মনে হয় আপনি যেভাবে বলেছেন তা সঠিকভাবেই হয়েছে - তবে আমার মনে হয় বেশিরভাগ সর্বাধিক ভোটপ্রাপ্ত প্রশ্ন এবং উত্তর প্রায়শই দক্ষতার পরিচায়ক হয়, তবে সত্যিকারের মেজাজ প্রযুক্তিগত প্রশ্নের ভাল উত্তর প্রায়শই থাকে খুব কম ভোট

— ম্যাট পার্কার

1

উদাহরণস্বরূপ, whuber এর উত্তরগুলি দেখুন। তার উত্তরগুলি অভিন্নভাবে দুর্দান্ত, সুতরাং তার উচ্চ-রেট করা উত্তর এবং তার 1-ভোটারদের মধ্যে কী পার্থক্য রয়েছে? আমি যখন প্রাক্তনটির দিকে তাকাই, তখন আমি যে প্রশ্নগুলি বুঝতে পারি তার দুর্দান্ত উত্তর দেখতে পাই; পরের দিকে, এমন প্রশ্নের জবাবে জবাব আমি এমনকি কুঁচকানো শুরু করি না। সুতরাং স্বল্প ভোটের উত্তরগুলি প্রকৃতপক্ষে গভীর বিশেষায়নের পরিচায়ক হতে পারে (তবে দ্রষ্টব্য: আপনি যদি একটি সুদৃ .় এসই ব্যবহারকারীর চেহারা কেমন তা সম্পর্কে আগ্রহী হন তবে এটি এটি )।

— ম্যাট পার্কার

1

প্রকৃতপক্ষে, @ গ্রাভিটন, আপনি যে বহু-সাইট ব্যবহারকারীদের ভালভাবে গোলাকার বলে মনে করছেন এবং তাদের আপনার বিভিন্ন মেট্রিকগুলিতে তারা কীভাবে পারফর্ম করে তা দেখতে বুদ্ধিমান হতে পারে।

— ম্যাট পার্কার

1

@ কেনেপিন্টস, উপরে @ ম্যাট এর পয়েন্টটি পরিপূরক করতে, এসই সাইটগুলিতে ব্যবহারকারীদের প্রশংসাযোগ্য সংখ্যাও রয়েছে বলে মনে হচ্ছে যারা প্রচুর প্রশ্নের জবাব দেয়, তবুও কয়েকটি উত্স পাওয়া যায়। এটি সাধারণত দক্ষতা বা সুদৃ .়তার সূচক নয় either (যদিও, এটা হয় Garner "খ্যাতি" সবচেয়ে সহজ পদ্ধিতি হল কৌশল এক)।

— কার্ডিনাল

6

উদাহরণ: বলুন এখানে তিনটি সাইট রয়েছে এবং আমরা ব্যবহারকারী, এ, বি, সি এর সুদৃed়তার সাথে তুলনা করতে চাই আমরা তিনটি সাইট ভেক্টর আকারে ব্যবহারকারীদের নাম লেখি:

ব্যবহারকারী এ: [23, 23, 0]

ব্যবহারকারী বি: [১৫, ১৫, ০]

ব্যবহারকারী সি: [10, 10, 10]

আমরা বি এর চেয়ে আরও সুশৃঙ্খলভাবে বিবেচনা করব (তাদের খ্যাতি উভয়ই দুটি সাইট জুড়ে সমানভাবে ছড়িয়ে রয়েছে, তবে এ এর আরও বেশি খ্যাতি রয়েছে)। এছাড়াও, আমরা বি এর চেয়ে সি-কে আরও সু-বৃত্তাকার বলে বিবেচনা করব (তাদের একই মোট খ্যাতি রয়েছে, তবে সি আরও বেশি সাইট জুড়ে ছড়িয়ে পড়ে) ।

যাক , , উপরে খ্যাতি ভেক্টর যথাক্রমে হও। $x_A$ $x_B$ $x_C$

$f(x)$ $f$ $f(x_A) > f(x_B)$ $f(x_C) > f(x_B)$

$f(x)$

উত্তল ক্রিয়াকলাপগুলির দুটি সাধারণ উদাহরণ হ'ল 'ভগ্নাংশ রীতি'

f ([x_{1}, . . ., x_{m}]) = \sum_{i} x_{i}^{p}

$f([x_1,...,x_m]) = \sum_i x_i^p$

$0 < p < 1$

$p = 1/2$

f (x_{A}) = 2 \sqrt{23} \approx 9.6

$f(x_A) = 2\sqrt{23} \approx 9.6$

f (x_{B}) = 2 \sqrt{15} \approx 7.7

$f(x_B) = 2\sqrt{15} \approx 7.7$

f (x_{C}) = 3 \sqrt{10} \approx 9.5

$f(x_C) = 3\sqrt{10} \approx 9.5$

$1/2$

$f$

f ([x_{1}, . . ., x_{m}]) = - \sum_{i} x_{i} \log (x_{i} / c) .

$f([x_1,...,x_m]) = -\sum_i x_i \log(x_i/c).$

$c = \sum_i x_i$

$f$

f (x_{A}) = 46 \log (2) \approx 31.9

$f(x_A) = 46 \log(2) \approx 31.9$

f (x_{B}) = 30 \log (2) \approx 20.8

$f(x_B) = 30 \log(2) \approx 20.8$

f (x_{C}) = 30 \log (3) \approx 33.0

$f(x_C) = 30 \log(3) \approx 33.0$

স্কেলড শ্যানন এন্ট্রপি অনুসারে পরিমাপ করা হয়েছে, তারপরে আমরা বলব যে সি তিনটির মধ্যে সর্বাধিক গোলাকার, এবং এ দ্বিতীয়টি সবচেয়ে ভাল গোলাকার।

$f(x)$

EDIT2: whuber এর মন্তব্যের আলোকে একটি উদাহরণ যুক্ত করা হয়েছে।

— charles.y.zheng
সূত্র

f

$f$

f

$f$

[1, 101]

$[1,101]$

f

$f$

কোনও x_i <0. শ্যানন এনট্রপি ব্যর্থ হয়ে গেলে কোনও x_i / c ≤ 0. ভগ্নাংশের আদর্শটি অপরিজ্ঞাত হয় যখন কিছু x_i 0 থেকে-changes পরিবর্তন হয় তখন কোনও বুদ্ধিমান বৃত্তাকার হঠাৎ করে প্রস্ফুটিত হয় তা বোঝা যায় না 𝜀

— 200_সুসেসস

4

এটি একটি সত্যই, সত্যই আকর্ষণীয় প্রশ্ন (আসলে আমি সাধারণভাবে স্ট্যাক এক্সচেঞ্জ সাইটগুলি মডেলিংয়ের ধারণার সাথে কিছুটা প্রেমে আছি)।

সুদৃ .়তার ইস্যুতে, এটি মূল্যায়নের একটি উপায় হ'ল নির্দিষ্ট ব্যবহারকারীদের যে ট্যাগগুলির উত্তর দেওয়ার ঝোঁক এবং সাইটগুলিতে তাদের বিতরণ। উদাহরণগুলি এটিকে আরও পরিষ্কার করে দিতে পারে।

আমি টেক্স, স্ট্যাকওভারফ্লো, ক্রসভিলেটেড এবং এসকুবুন্টুতে একজন সদস্য। এখন, আমি সত্যিই কেবল এখানে এবং স্ট্যাকওভারফ্লোতে অবদান রাখছি, এবং কেবল স্ট্যাকওভারফ্লোতে আর সম্পর্কে। সুতরাং, ভাল বৃত্তাকারতা সংজ্ঞায়িত করার জন্য আমি ক) দেখব) দুটি সাইট মিল রয়েছে এমন কতগুলি ট্যাগের (সাইটের জুড়ে মিলের সংজ্ঞা দিতে) এবং কোনও ব্যবহারকারী যে সাইটগুলিতে খুব কম বা কোন ট্যাগ নেই সেগুলি সম্পর্কে কতটা প্রশ্নের উত্তর দেয়।

উদাহরণস্বরূপ, যদি কেউ স্ট্যাকওভারফ্লো এবং রান্নায় পাইথন ট্যাগগুলিতে অবদান রাখে, তবে সেই ব্যক্তি এখানে ওভারফ্লো এবং পরিসংখ্যানের প্রশ্নের উপর স্ট্যাটিস্টিকাল সফ্টওয়্যার প্রশ্নের (উদাহরণস্বরূপ) প্রশ্নের উত্তর দিচ্ছেন এমন ব্যক্তির চেয়ে বেশি গোলাকার।

আমি আশা করি এটি কিছুটা সহায়ক হবে।

— richiemorrisroe
সূত্র

4

(+1) যে কেউ এসও এবং রান্না উভয়ই পাইথন ট্যাগগুলিতে অবদান রাখছেন তার খাবারে কিছু বিদেশী স্বাদ রয়েছে :-) আমি শুনতে পেয়েছি এটি মুরগির মতোই স্বাদযুক্ত।

— হোবার

3

আপনি যদি অনেকগুলি স্ট্যাক এক্সচেঞ্জ সাইটগুলিতে অবদান রাখার হিসাবে 'ভাল-বৃত্তাকারতা' সংজ্ঞায়িত করেন, তবে আমি প্রতি সাইটটিতে কিছু মেট্রিকের অবদান গণনা করব। আপনি মোট পোস্ট, বা প্রতিদিন গড়ে পোস্ট, বা খ্যাতি ব্যবহার করতে পারেন। তারপরে সমস্ত সাইট জুড়ে এই মেট্রিকের বিতরণটি দেখুন এবং এর সঙ্কীর্ণতাটি এমন কোনও উপায়ে গণনা করুন যা অর্থবোধ করে।

অন্য কথায়, একটি 'গোলাকার' ব্যক্তি এমন ব্যক্তি হবেন যিনি বিভিন্ন সাইটগুলিতে অবদান রাখেন, এবং একজন 'গোলাকার নয়' এমন ব্যক্তি হবেন যিনি মূলত একটি সাইটে অবদান রাখেন। আপনি আরও আরও সমস্ত সাইটের জুড়ে ব্যবহারকারীর মোট দিয়ে নিজের মেট্রিককে স্কেল করে এটি আরও উন্নত করতে পারেন। উদাহরণস্বরূপ, যে কেউ বিভিন্ন সাইটগুলিতে প্রচুর পরিমাণে অবদান রেখেছেন সে সাইটের চেয়ে কোনওরকম অবদান রাখেনি এমন ব্যক্তির চেয়ে আরও সুস্পষ্ট গোলাকার হিসাবে বিবেচনা করা উচিত। যে ব্যক্তি কখনও এসই ব্যবহার করেননি সে খুব ভাল গোলাকার নয়!

— জ্যাক
সূত্র

1

ইতিমধ্যে অনেক ভাল উত্তর, তাই কেন আরও একটি? অধিকাংশ ক্ষেত্রে এই মজার ধারণা আলোচনা দৃষ্টি আকর্ষণ করতে হয় এখানে এ এন-শ্রেণী ক্যাফে । বাস্তুশাস্ত্রে (এবং অন্য কোথাও) বৈচিত্র্য কেবলমাত্র প্রচুর পরিমাণে দেখায়, তবে বিভিন্ন প্রজাতি কতটা অনুরূপ / ভিন্ন তাও দেখতে হবে।

প্রজাতিগুলি (বা যাই হোক না কেন, এসই সাইটের মতো ...) একটি মেট্রিক স্পেসের পয়েন্ট হিসাবে উপস্থাপন করে এটি মেট্রিক স্পেসগুলিতে এনট্রপিকে সাধারণীকরণের দিকে নিয়ে যায় , উদাহরণস্বরূপ দেখুন টম লিনস্টার, এমিলি রফের একটি মেট্রিক স্পেসের সর্বাধিক এনট্রপি । মেট্রিক স্পেসে পয়েন্ট হিসাবে ট্যাগগুলি দেখে একই ধারণাগুলি এসই সাইটের মধ্যে ব্যবহার করা যেতে পারে।

— কেজেটিল বি হালওয়ারসেন en
সূত্র