凑个热闹: metaquant

42

已到货

如果我没有理解地错的话，python + frozen flask 就可以实现你说的功能，flask 定义路由，使用 jinja2 模板，直接生成静态文件，文档见：

https://pythonhosted.org/Frozen-Flask/

@sugod 是的，IMDB 这个算法基于贝叶斯，还是比较科学的

@CEBBCAT 我之前发过数据，这次只是加上了分析

@leeeric 要做这种时间序列上的分析，需要定期地爬取、存储与分析数据，工作量很大，而且要搜集比较长时间才有比较的意义。

关于水军刷分，豆瓣与 IMDB 都有相应的应对办法，比如注册时间长短，评价电影数量的多少等，目前看来效果似乎还可以。

由于豆瓣与 IMDB 的 Top250 榜单都要求评论数达到一定数量才能入选，所以新上映的电影本来也很难进入榜单，能进入的基本都是积累了一定的观影人数的电影。

@nightwind 一般来说，看到很多差评就不会去看电影了吧，估计也没有什么评论的兴趣。因为评分只是一个平均值，所以“只看评分”确实不能准确地反映电影的质量。

@Chingim 这里的表述不太准确，应是五星与一星的比例较三星四星比例要少

@mingoahz 观察敏锐，也许可以做一个电影名字长度对电影评分影响的分析，哈哈

@cqcn1991 感谢，写的时候参考了你的文章

@fyl00 是的，豆瓣的评分机制确实比较简单粗暴，我这里重新算只是为了小数位数更精确，方便排序。其实更有意思的是豆瓣的电影排序，比如同样评分那个电影排在前面？显然豆瓣考虑了评分人数的影响，但并没有公布具体的算法。

用 github issue 做评论，简单快捷，不用天天担心评论会挂,像这样： https://blog.metaquant.org/2017/09/03/python%E4%B8%AD%E7%9A%84%E5%87%BD%E6%95%B0%E5%BC%8F%E7%BC%96%E7%A8%8B/

https://ws1.sinaimg.cn/large/0066jkbcgy1fjmhby4lcmj30s0095js5.jpg

@momentum 谢谢，用了 adminLTE 的模板

官网已下单， 下周五才能到啊

以我浅薄的编程经验，语法就是个日久生情的过程，刚开始用觉得别扭，之后觉得顺手，最后就觉得优美了。想我当年从 matlab 转到 python 时，还觉得 python 语法难看了，现在回头看，觉得当时写 matlab 时全局变量满天飞简直就是个灾难