Что такое интернет-репутация?

Продолжаю тему, начатую в посте Про карму, главную, хороший контент и Орду. Введение
Немного определений и Википедии.

Репутация – социальная оценка группы субъектов о человеке, группе людей или организации на основе определенного критерия. Репутация — фундаментальный инструмент общественного строя, основанного на распределенном, непосредственном социальном контроле.

Другими словами, репутация – информация об объекте, на основе которой мы принимаем решение, как относится к данному объекту. Следует отметить, что репутация сильно зависит от критерия и контекста. Например, человека уважаемого в кругу фанатов «Спартака» вряд ли будут уважать фанаты «Зенита».

Вопросы, которые должна помогать решать система интернет-репутации:

  • Проблема больших объемов информации (как справится с огромным потоком публикаций от пользователей, как им управлять и как его отображать)
  • Проблема качества (как отличить хороший контент от плохого)
  • Проблема привлечения и удержания аудитории (поощрение авторов для, чтобы они возвращались и продолжали публиковать)
  • Проблема модерации (быстрая реакция на низкокачественный контент)

Дальше пойдут специфичные термины и обозначения. Их необходимо ввести для унификации нашей темы. Так что прошу быть внимательным, на базе этой метамодели мы будем рассматривать существующие модели репутации и попробуем найти свою.

В своих поисках я натолкнулся на книгу Building Web Reputation Systems Рэнди Фармера и Брюса Гласса Принципы метамоделирования и многое другое взято оттуда. Знающим английский и интересующимся рекомендую.

Система интернет-репутации состоит из одной или нескольких репутационных моделей. Репутационную модель составляют репутационные выражения, связанные между собой сообщениями и действиями. Репутационное выражение состоит из источника, мнения и цели.

ИСТОЧНИК ОЦЕНИВАЕТ ЦЕЛЬ

Репутационное выражение
Репутационное выражение

Сущность – любой объект, который может быть источником или целью.

Источник – это тот, кто высказал мнение.

Оценка – отношение источника к цели в репутационном выражении. Оценки делятся на различные типы: количественные или числовые оценки (рейтинг, количество лайков), качественные оценки (рецензии, отзывы).

Исходная форма оценки – первозданное состояние оценки, в котором ее воспроизвёл источник. Приведённая форма оценки – числовая оценка сконвертированная в шкалу, например, от 0 до 1 или от 0 до 100. Например, оценка в 0.89 означает хороший уровень репутации.

Цель как оцениваемая сущность – любая сущность может быть оценена. Даже репутационное выражение может быть оценено.

Пользователь как цель (карма) – когда пользователь становится целью оценки, это называется интернет-кармой.

Источник, оценка и цель связываются между собой сообщениями и процессами образуя репутационное выражание.

Репутационная модель – это совокупность всех репутационных выражений, событий и процессов в определенном контексте.

Рассмотрим простую репутационную модель. Это будет сумматор  – он считает количество голосов за статью.

Репутационная модель "Количество голосов"
Репутационная модель "Количество голосов"

 

Репутационное выражение заключается в следующем: пользователи отдают голоса, тем самым активируют репутационную модель, посылая их в виде репутационных сообщений в репутационный процесс «Количество голосов». Процесс «Подсчет голосов» в свою очередь заключается в следующем: когда приходит сообщение «Голос», переменная КоличествоГолос увеличивается и сохраняется в базе данных.

Теперь давайте рассмотрим модель посложнее. Для этого к предыдущей модели добавим еще одну – «Уровень активности». «Количество голосов» и «Уровень активности» в итоге дают «Уровень интереса аудитории».

Репутационная модель "Уровень интереса аудитории"
Репутационная модель "Уровень интереса аудитории"

 

Когда пользователь голосует за статью, это действие отсылается в виде сообщение со значением 1.0. Если пользователь отменил свой голос, то отсылается значение 0.0.

Когда пользователь оставляет комментарий, то в процесс «Уровень активности» отсылается сообщение со значением 1.0. Если комментарий будет удален, то будет передано значение 0.0.

Рассмотрим теперь процессы этой модели.

Процесс «Количество голосов» – увеличивает на 1.0 или уменьшает на 1.0 значение итоговой переменной КоличествоГолосов и сохраняет его. Затем передает его в процесс «Уровень интереса аудитории».

Процесс «Уровень активности» поступает аналогично, только с соответствующими переменными.

Процесс «Уровень интереса аудитории» каждый раз пересчитывает показатель «Интерес», который используется для ранжирования статей при выводе среди результатов поиска и т.д. Здесь используется переменная «Вес», для распределения пропорций. В этом примере голос имеет вес в 10 раз больший чем комментарий.

Давайте рассмотрим теперь ещё более сложную модель.

Допустим есть некий сайт кинорецензий. Я недавно посмотрел комедию “Успеть за 30 минут” и оставил на этом сайте своё мнение о фильме. Некий пользователь ознакомился с моим мнением, затем оставил своё мнение о моём мнении.

Всё это было зафиксировано и записано в базу данных. Теперь при показе моей рецензии появляется дополнительный параметр “Полезность”, показывающих количество проголосовавших за рецензию из общего числа. По этому параметру в дальнейшем можно будет отображать мои самые качественные рецензии или самые качественные рецензии фильма.

Полезность рецензии
Полезность рецензии