我有一个类似于 Fiverr 运作方式的市场。服务提供商表示，特定的“演出”或服务将需要特定的天数。我想开始为按时或提前交付的服务提供商提供排序/可见性优先权，以获得更大的权重。未能及时交付的将受到处罚。
我可以通过哪些方式根据一段时间内的交付绩效分配和跟踪加权评级？下面的伪代码是否正确？
// Everyone has a starting weight of 1
on-time delivery = current weight * 1.1
early delivery = current weight * 1.2
late delivery = current weight * .9
fail to deliver = current weight * .75
Sort sellers by weight descending
我不确定这些值是否有意义或者权重是否会太快。如有任何帮助，我们将不胜感激！
你的方法没问题，但我建议尝试指数移动平均线。
首先，它考虑以前的样本（在本例中样本是交付质量），权重为 alpha ，新样本的权重为 1 - alpha。这意味着，以前的样本比刚刚采集的样本具有更大的影响，这对于那些总是按时交货但突然很少有不良交货的人来说可能更公平。他们的整体体重不会像那些按时交货较少并且突然出现不良交货的人那样下降那么多。这带来了某种声誉元素。
第二个优点是权重波动较小。存在较小的方差。在你的方法中，有很多不良交付的人的权重很快就会接近于零，这可能会导致一些数字问题。而且，拥有大量良好交付的人的权重可能太大，导致潜在的溢出。
我建议选择 alpha 为 0.9 到 0.99。通常会使用此值，例如在某些神经网络优化器中，例如 Adam，但当然您应该尝试不同的值并查看权重如何变化。你可以按照你建议的使用体重变化因素，就可以了。
alpha = 0.99 的更新示例：
weight = weight * 0.99 + 0.01 * 1.2 // early delivery
alpha 越小，波动越小，并且样本相对于一个样本的历史越占主导地位。