一元评级系统的贝叶斯平均等价

Question

我真的很期待为我正在开发的网站实施贝叶斯平均评级系统。我遇到了一个问题 - 我可以在网上找到的所有例子都是多值评级系统，最小的是二元 - 喜欢/不喜欢（Apply Bayesian average in a NON 5-star rating system）。

我似乎无法理解如何将二元贝叶斯应用于一元评级系统。

我不喜欢，我只喜欢。

鉴于算法：

  (n / (n + C)) * j + (C / (n + C)) * m

• C是商品收到的平均评分数
• m是所有项目的平均评分
• n是当前项目的评分数
• j是当前项目的平均评分

我被卡在m - 所有项目的平均评分。一切的平均评分为1.

如何为一元评级系统调整此公式？

对于这样的任务，也许还有其他更适合贝叶斯的等价物？

Answer 1

喜欢的数量是一维输入，因此如果没有其他输入，很难做任何有趣的事情。两种可能性是项目的年龄和用户查看的数量。