【新排序算法】品葱用户质量排序算法（区分极端和温和用户）

自从小二离开之后，品葱就出现了很多关于下一步的管理和权限的讨论帖。我最近想到一个基于RFM（Recency, Frequency, Monetary Value）的分析模型，所以拿来给品葱试一下。代码是用PHP写的，方便admin直接拿到后台用，也同样给好久没写PHP的自己练下手。PHP代码使用了K-means的一个库。虽然是1-d的K-means，但不想用其他的算法，所以直接拿现成的来用。因为太长时间没写PHP，手生了所以花了太长时间，现在已经懒得写注释了，有问题直接回帖。

GitHub Repo：https://github.com/ad3be4cf5/Pincong_User_Scoring

分析模型简要说明：
本算法基于三个因素，分别为：

1. N天内发言总数。
2. 所有发言总字数。
3. 威望大于1的用户赞踩比。

1很好理解，就是最近N天内的总体发言数量，包括问题/回答/文章及其评论。2是用户所有的发言的汉字字数总数，这个因子是为了找出那些发长文的用户，可能是因为个人喜欢看长文章吧，毕竟三言两语的灌水帖不会出什么高质量的内容。3是所有点赞和点踩此用户的比例。为防止碰瓷，只把未被封的威望为正（大于1）的用户加入了考虑范围。
每个因子会使用K-means算法聚类，然后每个用户就会根据这些因子获得一个评分，分越高说明用户质量越高。每个因子都会有一个最高分，最后每个因子的评分都会加起来，作为最终分数。

使用例1（寻找和事佬）：
下面我拿两周前（2019年9月30日）备份的数据以及N=14跑了一下目前威望大于64用户的评分。因子最高分（也可以看作是权重）是3-3-5，所以总分最高分为11。为什么我把最后一个权重给这么高，是因为我这个使用例是用来寻找和事佬的。本权重适用于分配威望影响力。

一只鹿兒: 7

懦夫斯基: 6

electron8964: 6

小钙: 6

匿名用户: 5

红冬里的青鱼: 5

還是小學生: 5

台湾研究: 5

InspectorBen: 5

时代革命: 5

FreedomAsia: 5

tony231: 5

白頭翁: 5

viewer: 5

admin: 5

小二8964: 5

陈美丽: 5

利维坦: 5

安娜: 4

币圈奇葩8964: 4

jerry168: 4

苏维埃督战队: 4

Merlin: 4

带带大师兄: 4

救救孩子: 4

Pracseeuvn: 4

眼镜娘阿锅: 4

LuvDDDD: 4

anonymousLiu: 4

Tashkent: 4

剑心: 4

已停用: 4

pc6650: 4

Nakayama: 4

小汪酱: 4

killreddragon: 4

荣誉非国民: 4

第三新索多玛: 4

马拉糕: 4

赫胥黎: 4

令狐冲: 4

天安门上挂维尼: 3

炎黄子聪: 3

yichangfeng: 3

1901zxc已停用: 3

minwooilbo: 3

巴巴罗萨: 3

Izuchisu: 3

winkcat: 3

reppep: 3

Hunter: 3

组组组组: 3

经略: 3

Pepperoni: 3

幹乾干停用: 3

清水照子: 3

rtgzddgh: 3

川普主席万寿无疆: 3

黑杰克: 3

书记: 3

meta_chaos: 3

molecular: 3

扬子江: 3

yogafire: 3

流氓匪首停用: 3

zhengyi: 3

说我想说的: 3

如火如荼: 3

普习金: 3

匮名用户: 3

Gogh9836: 3

精神难民: 3

rgjdwte: 3

Tseyu: 3

笔墨写春秋: 3

HelicopterZ: 3

蛋蛋很疼: 3

疯狂习近平: 2

鸡鸡: 2

调戏萌新专用号: 2

路过一下: 2

pincongrocks: 2

BE4: 2

Noone: 2

罗马相册: 2

地球人: 2

HenkGao: 2

支那五毛网评员: 2

freedomisours: 2

自由党人: 2

我死了: 2

harmonize: 2

NNNN: 2

arashi8964: 2

妙禅师傅: 2

vvgvv1: 2

anonym: 2

burleigh: 2

EPSON: 2

ikuyui: 2

鹿晗拳交习近平: 2

逆流而上的鱼: 2

chobe: 1

唵嘛呢叭咪吽: 1

由比滨结衣: 1

橘希实香: 1

民主信仰者: 1

Tetra: 1

碴条: 1

月社妃: 1

Android: 1

我是精赵我骄傲: 1

RandomID_1: 0

guibuhai: 0

根据这个排行榜，我们可以给予得分高于4的用户赞踩影响威望的权限，给予得分在2和4之间的用户半赞踩影响威望权限（也就是两名此类用户一起赞踩才能影响威望），并出于安全考虑取消已回归虚无（得分2以下）的用户的权限。

使用例2（寻找管理员）：
这个使用例把权重改成了5-3-4，也就是给用户最近活动更多的权重，并下调了赞踩比权重（但还是要有一定权重的，毕竟是管理，不能太具争议性了），此时得到的结果可以用来初步确定管理权限（得分0的用户已排除）。

懦夫斯基: 6

一只鹿兒: 6

electron8964: 5

苏维埃督战队: 5

小钙: 5

匿名用户: 4

FreedomAsia: 4

tony231: 4

令狐冲: 4

還是小學生: 4

小二8964: 4

admin: 4

巴巴罗萨: 3

小汪酱: 3

精神难民: 3

眼镜娘阿锅: 3

炎黄子聪: 3

InspectorBen: 3

时代革命: 3

天安门上挂维尼: 3

rtgzddgh: 3

rgjdwte: 3

anonymousLiu: 3

马拉糕: 3

pc6650: 3

利维坦: 3

killreddragon: 3

Izuchisu: 2

HelicopterZ: 2

黑杰克: 2

幹乾干停用: 2

已停用: 2

minwooilbo: 2

陈美丽: 2

荣誉非国民: 2

yichangfeng: 2

viewer: 2

带带大师兄: 2

reppep: 2

币圈奇葩8964: 2

红冬里的青鱼: 2

jerry168: 2

1901zxc已停用: 2

台湾研究: 2

组组组组: 2

Pracseeuvn: 2

LuvDDDD: 2

经略: 2

白頭翁: 2

Merlin: 2

川普主席万寿无疆: 2

笔墨写春秋: 2

说我想说的: 2

Nakayama: 2

Gogh9836: 2

扬子江: 2

如火如荼: 2

Tashkent: 2

molecular: 2

蛋蛋很疼: 2

安娜: 2

zhengyi: 2

救救孩子: 2

流氓匪首停用: 2

赫胥黎: 2

剑心: 2

Pepperoni: 1

ikuyui: 1

harmonize: 1

鸡鸡: 1

yogafire: 1

第三新索多玛: 1

Hunter: 1

普习金: 1

清水照子: 1

winkcat: 1

freedomisours: 1

arashi8964: 1

vvgvv1: 1

调戏萌新专用号: 1

匮名用户: 1

Tseyu: 1

妙禅师傅: 1

meta_chaos: 1

书记: 1

路过一下: 1

EPSON: 1

逆流而上的鱼: 1

得分3以上的用户可以给予移动分类、标记甚至超管权限，而得分2和3的用户有正常的封禁权限，其余用户因为活跃量不足，安全起见没有管理权限。

使用例3（推荐关注的高产用户）：
最后一个使用例把权重改为5-4-2，突出近期产量和质量，因为我们要找的是推荐关注的高产用户，戏剧性较大的（也就是极具争议性的）用户就是我们的首选了，所以最后一个和事佬权重改成了2。这时候让我们看看结果如何吧（得分低于2的用户未显示）。

匿名用户: 5

一只鹿兒: 5

還是小學生: 5

FreedomAsia: 5

苏维埃督战队: 4

懦夫斯基: 4

rtgzddgh: 4

小钙: 4

tony231: 3

巴巴罗萨: 3

admin: 3

electron8964: 3

天安门上挂维尼: 3

精神难民: 2

经略: 2

眼镜娘阿锅: 2

anonymousLiu: 2

蛋蛋很疼: 2

白頭翁: 2

炎黄子聪: 2

时代革命: 2

台湾研究: 2

InspectorBen: 2

令狐冲: 2

Tashkent: 2

如火如荼: 2

pc6650: 2

红冬里的青鱼: 2

利维坦: 2

小二8964: 2

viewer: 2

陈美丽: 2

马拉糕: 2

可以看到几个极具争议性的“姨粉”光荣上榜，还有一些大家都知道的大V也在上面，说明我们的算法还不赖。


当然这三个因子配合不同权重能玩出很多花样，就等admin和开发团队们自己去探索了。关于使用例2，我也有话要说，因为现在备份的数据里没有管理员操作记录，所以这个因素没办法加进去。如果把发言字数替换成管理操作数量的话，就可以使用3-3-3的权重来给用户打分确定管理员权限了。