User Rating 推薦機制簡介

現今網路資料量大，同個網站可展現的資料非常多，初來網站的瀏覽者不易快速了解網站中何者為熱門、有用的資訊；為幫助新來訪客快速上手網頁資訊，我們可將網頁資料建立推薦機制，其中一種常見的方法便是user rating。
所謂user rating，即以使用者角度來對使用者推薦。使用者上傳評分之後，透過公式求出綜合所有使用者的評分結果。不同網站使用的公式不同，有的直接加總取平均，有的用特殊公式，運用統計學取得評分。甚至有些網站針對不同使用者採取不同的評分公式，或個別分開列出評分結果，分為一般大眾普通使用者、或特殊領域專家、或較具客觀公信力之使用者...等等。
不同的網站user rating機制也不盡相同。較常見的種類如下：單一的user rating，單純對所有使用者都用同一種評分方式；列出不同類型使用者不同評分結果，例如分為一般使用者，專家類型使用者，像是網站上所列出關於一本書的資訊，同時列出一般使用者的評分，以及editor的評分，及同樣職業作家使用者的評分，甚至附上文字評論；另一種為同樣列出其他網站的使用者評分，例如購物網站，除了列出自己網站的使用者評分外，也列出其他購物網站對該商品的使用者評分，讓顧客在選購時能參考更多元的意見。
現在許多網站都有user rating機制。例如Skins.be，每張桌布圖片都有目前評分結果，有1~5分讓使用者上評分並上傳；熱門的短片網站Youtube也有使用者評分機制，並且可以有文字評論；其他像拍賣網站有著顧客和商家互相推薦的評分機制，例如Yahoo、露天拍賣...等等；其餘的類似物品review的網站，為使用該物品過後到網路上分享自己的使用心得，相較於一般群眾，該reviewer為該類型物品較於精通者，其使用心得會較客觀、較值得讓人參考，除了對該使用心得可做評分之外，亦可對各個心得分享者做評分。
以下介紹一個常見好用的網站，IMDb。該網站儲存的電影資訊相當多，對電影、對演員都有使用者評分系統，其評分結果算較為大眾接受，但也有東西方觀感、文化差異、觀影族群不同使得評分結果不被部分人接受的情況。在此要介紹為該網站有個評分結果前250名電影清單，該網站有列出以下公式：
weighted rating (WR) = (v / (v+m)) * R + (m / (v+m)) * C
where
R = average for the movie (mean) = (Rating)
v = number of votes for the movie = (votes)
m = minimum votes required to be listed in the Top 250 (currently 1300)
C = the mean vote across the whold report (currently 6.7)
參考過網頁所列出的電影清單與這公式比較會發現，若有兩部電影A、B，A為低票數但每票都高分數，而B為低分數但有相當多的票數，套用這公式有可能會有相同的結果，因此要得到該清單的rank所參考的必不止這公式的結果，必須還要有其他資訊。
user rating已經成為一個普遍使用的推薦機制，以使用者的角度來對使用者推薦，因此要防範灌水廢票之外，使用者對使用者的信賴度也同樣重要。