为了在 喜马拉雅 中找到好的作品
目前喜马拉雅上刷榜的情况太多,导致只看作品评分,并不能看出作品的好坏,所以需要一个工具来帮助筛选出好的作品。
通过爬虫获取喜马拉雅的作品信息。 然后尝试通过一些不容易刷的指标来筛选出好的作品。
1、作品的留存率,即第101-200集播放次数/1-100集播放次数,后面还可以加上201-300集播放次数/1-100集播放次数,以此类推。
2、评论过滤,排除掉刷榜的评论,这个暂时想法还不是很成熟,比如将没有任何留言只有评分的评论过滤掉。目前考虑甚至把满分的评论也全部去掉。我觉得满分就是有可能是刷榜的,而其他分数应该也有一定程度的反应作品的好坏。
我找了男频>仙侠 品类的前100个作品,做了留存率的统计,计算了201-300/1-100,301-400/1-100,401-500/1-100,501-600/1-100 共4个留存率,然后按照501-600/1-100做降序排列,得到下面结论,看起来还可以,蛮符合我的主管直觉。
更新了获取专辑列表功能,尝试将所有男频修仙的专辑都获取下来,然后计算留存率。
然后过滤一下播放超过1kw,留存较高的,结果如下:
另外今天发现喜马拉雅的评论中有听了多少集的信息,可以尝试用这个来过滤无效或者刷的评分,然后对作品重新评分。