Como se determinan los Posts Destacados en Cristalab

En el lanzamiento de Cristalab V4.5 se incluyo un modelo lineal para determinar los posts destacados, lo pueden notar en la portada que es el primer articulo y aparece como una imagen de fondo (efecto hecho por freddier). Además, en el blog al lado derecho.

Para la portada se selecciona el articulo con mayor valor determinado por el modelo en un rango de 7 días, de cualquier tipo de articulo: blog, tutorial y videotutorial. Para el blog se toman 8 articulos de blog en un rango de 60 días.

Los algoritmos tradicionales para destacar un post se basan simplemente en numero de visitas o con un tag de 'destacado' (wordpress creo que lo hace así). Pero en Cristalab no nos conformamos con eso, la cantidad de aportes es increíble (gracias clabers) como para estar etiquetando artículos, y el numero de visitas no me parece el mejor dato para determinar si un post es destacado en un rango de tiempo. Por lo que, decidí crear un modelo lineal para esto.

El modelo lineal que hice toma en cuenta los siguiente datos:

T: tiempo que lleva publicado el articulo.
C: comentarios del articulo.
V: Visitas del articulo.
P: Participantes en el articulo, simplemente cuantos usuarios únicos han comentado.

El modelo es:

Código :

Valor = (V/T) + (C/V) + (P/100)

Si tienen una critica al modelo o pueden mejorarlo, bienvenido sea!

Explicación que todo claber queríamos saber. Gracias por la información.

Tengo una buena idea pero primero una duda: ¿C = 100 comentarios en total y P = 70 usuarios que comentaron varias veces para llegar a C? ¿En que están midiendo T?

Kinduff P <= C

Ejemplo:
T = Tiempo actual - Tiempo de publicación.
C = 100 comentarios en total del articulo.
P = 10 usuarios son los responsables de los 100 comentarios en dicho artículo. Dicho de otra manera, solo 10 personas han participado en los comentarios.

es bueno saber como funciona para saber como hacer "SEO" a mis tutoriales

Maikel escribió:

¿Días, Minutos, segundos?

Segundos, unix timestamp

Me parece excelente que trabajes en un algoritmo de eso. Van mis dos centavos. Como lo haria yo.

Tendria un Job corriendo cada noche, que valoraria los articulos. (para en el dia dia ya tener eso procesado y no saturar al server). (conociendote casi firmo que ya tienes ese job, just in case)


Antes de correr el proceso post por post tendria un query para saber que cual es el post que mas visitas a tenido en la semana(now - 7 days)
Z: El MAX( count(visitas) ) a un post entre hoy(now()) y (now - 7 dias)
W: El MAX( count(comentarios) ) a un post entre hoy(now()) y (now - 7 dias)
Y: El MAX( count(personas unicas) ) a un post entre hoy(now()) y (now - 7 dias)

V: Visitas del articulo entre hoy(now()) y (now - 7 dias)
C:Comentarios del articulo entre hoy(now()) y (now - 7 dias)
P: Cantidad de Personas unicas que han comentadio

El modelo es:
Código :
Valor = (V/Z) + (C/W) * (P/Y)


Un post perfecto sumaria 2.

Mi algoritmo no toma en cuenta desde cuando se creo el post lo que le importa es en la semana previa al calculo que articulo fue mas visitado(el mas visitado tiene 1 de valoracion y los demas la parte proporcional a eso) y el mas comentado por personas distintas(el maximo tiene 1), la suma de ambos me da el mas destacado.

El -7 de tiempo, es variable podriamos aumentar el espacio del tiempo.

y se toman en cuenta comentario de usuario no registrados ?

lysergtk escribió:

Sí, y por cierto para hacerle un SEO real a tus tutoriales tendrías que aumentar la cantidad de participantes. Además, tienes 7 dias para eso, good luck with that

Dano: sí tengo un cron job para eso, y además una tabla auxiliar Así que por allí estamos bien. Experimentaré con tu propuesta, a ver que tal.

Quizás se tendría que tener en cuenta la reputación del autor, como el clablevel...

tengo una idea, si fallo una linea de código en el tutorial todos comentaran para trolear y así consigo mas participación...

lysergtk escribió:

Aunque tú lo digas bromeando, otros lo pueden tomar en serio, a eso me refería yo precisamente_..

Sisco escribió:

No, muchos usuarios con clablevel alto solo hacen correcciones ortográficos/gramaticos (editores cof cof, me incluyo lo hice unas veces) en los comentarios del tutorial, ergo, no me sirve como dato valido. Cuando se haga un sistema que valore el aporte del comentario, ese sí se puede tomar en cuenta y jodería lysergtk de una vez, por querer manipular el modelo.

saludos

Maikel escribió:

yo no fui

en serio, que genial trabajo como siempre maik Cuesta acostumbrarse a los cambios en un site que se visita tan seguido (o en el que se vive ) pero la portada ahora me parece mas c00l y cómoda con la info

Creo que Sisco se refiere a tener en cuenta la reputación del Claber autor del post para que influya en qué tan destacado debe ser éste ¿no?

no se ustedes pero yo haré como andreSOSO para que me comenten un montón

looks like meneame old post, pero interesante

Algunos hablan del clablevel e ingresarlo como variable. No me parece prudente hacerlo... el algoritmo es un muy buen acercamiento. para hacer una buena investigación podrías analizar ambas fórmulas (la diseñada y la propuesta) y revisar sus resultados en off. Con eso podrías hacer una metaevaluación de tus resultados

Bueno Mike,

Yo suelo complicar las cosas pero esto es lo que yo haría:
Utilizando las mis mas variables:

T: tiempo que lleva publicado el articulo.
C: comentarios del articulo.
V: Visitas del articulo.
P: Participantes en el articulo, simplemente cuantos usuarios únicos han comentado.

En primer lugar normalizaría cada variable, utilizando un método como mínimos y máximos,
para llevar a cada variable a un valor entre 1 y 10.

Luego les asignaría importancia en función a tu experiencia como Claber, algo así:

T*(0.6) + C*(0.4) + V*(0.2) + P(0.3)

Tomando en cuenta que mientras mayor sea el multiplicador mas valor tiene esa variable.

Para finalizar podríamos incluir algún indicador del autor, como por ejemplo
el promedio de la valoración de sus últimos 5 Post (puede calcularse con la formula anterior).
Esto porque en teoría un post por un escritor destacado debe ser destacado. Tenemos entonces:

PA: Puntuación últimos post autor

( T*(0.6) + C*(0.4) + V*(0.2) + P(0.3) ) + PA ) / 2

Pudiéramos equilibrar la formula utilizando una constante en caso de que el autor sea
Nuevo

( T*(0.6) + C*(0.4) + V*(0.2) + P(0.3) ) + (PA + 5) ) / 2

Es básicamente un promedio de los post del autor.

Donde esta el botón "Like" cuando se necesita =/ .

Nota: Las opiniones que leerás a continuación no son el resultado del análisis de los comentarios publicados en este post, son mis observaciones personales de lo percibido en el foro.

Con el nuevo enfoque, vemos en portada artículos, tutoriales y videotutoriales por igual. Dado que los artículos se publican en menor cantidad que los tutoriales y videotutoriales pienso que deberían tener más importancia que el resto del material publicado para permanecer mayor tiempo en portada.

Aunque existe una gran probabilidad de que un artículo se convierta en un post destacado, otros artículos pueden quedar sepultados por el constante material publicado. Esto afectaría principalmente a aquellos artículos en los que se anuncian concursos, votaciones, torneos, entre otras actividades propias de la comunidad.

Por otro lado, pienso que también podría considerarse como indicador la cantidad de veces que un usuario señala en facebook que un post le gusta o comparte dicho material. Si alguien comparte un post es porque lo considera realmente bueno en cualquier sentido. Muchas veces los usuarios no dejan comentarios aunque les guste un post, sino que lo comparten o señalan que les gusta en facebook.

Adicionalmente, tengo una inquietud respecto a la duración del post destacado: ¿En la duración no sería conveniente considerar el tipo de material publicado?, ¿cuántos días mínimos permanece un post como destacado? Hace poco rato cambió el post destacado y fue publicado el día 3 de febrero, ¿no les parece muy poco tiempo?. Si fuese un artículo a mí me parecería poco tiempo.

Siguiendo con el tema de los post destacados, pero abordando exclusivamente el ámbito del diseño, considero que irónicamente la frase “post destacado” no destaca mucho. Dada la naturaleza variable de la imagen de fondo de ese post, resulta necesario reconsiderar el diseño de la identificación del mismo. En los fondos con escritos, líneas superiores o imágenes complejas, tiende a confundirse. En síntesis, el método escogido para identificar que un post destaca sobre los demás no es el más conveniente.



Más tarde les enviaré un mail con unas propuestas para mejorar el diseño de la identificación del post destacado. Sin embargo, un método sencillo y más efectivo, que mantiene la esencia de lo tienen actualmente, es colocarle un borde oscuro a las letras en lugar de ese sombreado. Dotará de más fuerza y cuerpo a las palabras.

hola,
seria interesante saber como llegaste a definir esas relaciones entre las variables para determinar que un post esta mejor posicionado que otro.

XKlibur escribió:

La idea del nuevo diseño de la portada era esa, darle igual relevancia a los articulos, tutoriales y videotutoriales.

La meta de cristalab es difundir conocimientos. Por lo que: concursos, votaciones, torneos y otros como dices, muchas veces no entran allí. Claro, no dejan de ser importantes porque mantenemos y crecemos como comunidad.

Tenemos visitantes asiduos que no son parte de la comunidad, así que ellos vienen por el conocimiento, por eso que debemos darle importancia a los tutoriales y videotutoriales tanto como los articulos

Xklibur escribió:

Intereante esto...

Xklibur escribió:

El calculo de posts destacado se hace cada hora (es una tarea programada), es decir, no es manual. Aunque a veces, yo lo ejecuto manual por pruebas.

Asi que, un post minimo duraria una hora como destacado, el tiempo máximo es depende: si es en portada 7 dias, si es en blog 60 días.

agares escribió:

Una noche de análisis con ingente cantidad anfetaminas, café y LSD en mi organismo.

Pero no me alegro de ello, por lo que estoy cambiándolo.


Pd: es mentira, no consumo anfetaminas ni LSD

Hey Maikel, ¿sería muy difícil que la portada para los integrantes de la comunidad tuviéramos un apartado de los post "de interés" de la comunidad? para los tipos de post que dice XK y para otros post (cómo los que estay siguiendo, los que he iniciado y los que he participado)

Hola Maikel

Estuve pensando bastante en la ecuación teniendo en cuenta lo que mencionaste y esta es mi opinión:

Código :

Valor = (V/T) + (C/V) + (P/100)

Por lo que veo en esta ecuación estas tratando de determinar 3 aspectos importantes:

1. qué tan visitado es un tópico en un lapso de tiempo

   Código :

   (V/T)

   
   
2. qué tanto debate tiene un tópico midiendo la cantidad de comentarios sobre la cantidad de visitas

   Código :

    (C/V)

   
   
3. qué tan popular es el tópico teniendo en cuenta la cantidad de participantes únicos sobre 100(un valor que supongo usaste para atenuar).

   Código :

   (P/100)

   
   

El problema que veo entre estas tres variables es que no son proporcionales entre ellas y el hecho de sumarlas seguramente esta haciendo que uno de estos valores tome mayor relevancia.

Para ver la relación que hay entre cada aspectos supongamos el caso ideal donde cada uno tiene el mismo valor, digamos 1 en un lapso de una hora:

Para que V/T = 1 deberíamos tener 3600 visitas en una hora. una visita por cada segundo desde que se pública.
Para que C/V = 1 en el mismo conteo de visitas deberían haber al menos 3600 comentarios! esto si lo creo poco probable según el comportamiento normal de los foros. De igual manera si el post solo lo visitara una única persona y comentara, así lleve mucho tiempo esto ya lo haría muy relevante.
Por último deberían ser unos 100 participantes únicos durante el tiempo, esto ya de por si lo haría un post muy popular pero podría ser opacado por un post con el comportamiento anterior.

Lo que expongo es que evidentemente los aspectos no son comparables y el factor mas relevante al final termina siendo la cantidad de visitas en un lapso de tiempo.

La propuesta que te hago es que implementes algo similar a lo que se usa en las tiendas virtuales y permitas que los usuarios elijan si quieren ver el mas reciente, el mas visitado, el mas comentado o el mas popular. (un test A/B seria útil)

Por defecto puedes usar el que consideres mas relevante. pero un buen experimento seria utilizar diferentes combinaciones de los aspectos que tomas y observar como se comporta el liderboard de post. Esto lo puedes hacer sin que los clabers vean ningún cambio.

Saludos!

Sí, me di cuenta de los errores de la ecuación agares. Puesta en producción y con el SEO de cristalab un post reciente se catalogaba como destacado sobre los otros, sin siquiera tener comentarios ni participantes. Claro al paso del tiempo, se normalizaba pero está el error.

Esa formula quedó totalmente obsoleta, me fui por otro camino y que me gusto bastante el resultado. Cuando lo pueda generalizar para compartirlo les digo como funciona el nuevo algoritmo.

Maikel escribió:

Grande Maikel

Fue una de las razones por la que en mi propuesta no le di importancia a la fecha de creacion y en cambio me enfoque en la actividad. :p

Yo aún mantengo las mismas variables Dano, como las trato es otra cosa.

Y ahora el resultado es un valor real entre 0 y 1. Siendo 1 un post perfecto, 0 para el peor post.

Voy a trabajar en generalizar el algoritmo y quizás me anime a hacer un plugin para wordpress para darle empuje al algoritmo, y por supuesto lo compartire en el github.

saludos