Hallo,
habe Eigenschaften mit deren Wichtigkeiten. Es wird Feedback zu diesen Eigenschaften gesammelt. Die neuen Wichtigkeiten sollen bestimmt werden, unabhängig, ob dafür ein Feedback vorliegt oder nicht. Beispiel:
- 50 Eigenschaften „E“
- Zu sechs davon gibt es ein Feedback (Anzahl Nennungen „N“)
- Die „a priori“ Wichtigkeiten „A“ sind bekannt, Verteilung:
– A: 20, E: 1, N: 1 x 669
– A: 30, E: 6, N: 6 x 0
– A: 40, E: 7, N: 6 x 0, 1 x 150
– A: 50, E: 6, N: 5 x 0, 1 x 168
– A: 60, E: 11, N: 11 x 0
– A: 70, E: 5, N: 5 x 0
– A: 80, E: 13, N: 11 x 0, 1 x 2.384, 1 x 366
– A: 90, E: 1, N: 1 x 1.477
A ist eine ganze Zahl mit [0…100]. Nun sollen die „a posteriori“ Wichtigkeiten „P“ [0…100] unter Berücksichtigung des Feedback berechnet werden.
Meine aktuelle Lösung sind relative Häufigkeiten und Definition von Klassen, die die relativen Häufigkeiten in [0…100] transformiert. Für die Eigenschaften ohne Feedback habe ich eine einfache Zeitfunktion konzipiert, die die Wichtigkeit der Eigenschaften altern lässt (also reduziert).
Gibt es für die Gesamtaufgabe andere Lösungen? Könnte e.g. Bayes auch zum Ziel führen? Das Feedback kann als „Trend“ gesehen werden - aktuelle Eigenschaften werden häufiger diskutiert/ genannt und können sich daher unmittelbarer/ stärker auswirken als die anderen Eigenschaften.
Vielen Dank im Voraus
Marco