架构师训练营第13周作业 数据分析 PageRank

你所在的行业,常用的数据分析指标有哪些?请简述。

我目前在影视后期公司工作,影视后期制作过程设计到多项目、多环节、多任务的并行工作,对于资源分配、成本把控、生产效率、成品质量等都比较看重,因此常用的数据分析指标有以下几种:

任务数和版本数

通常会设定一个统计的时间段,例如一天、一周、一个月,统计该短时间内所有的任务数(一个任务指的是特定制作环节中的一个步骤),单位时间内并行任务数越多则代表公司的生产状况越繁忙。

在此基础上,还可以统计指定时间内完成的任务数、返工的任务数、延期的任务数等,基于任务的不同状态分别进行统计分析,可以进一步了解项目的进展情况是否顺利,在哪些环节出现了问题,从而帮助生产团队及时作出调整。

对于每个任务,通过不断迭代版本来逐步完善制作效果,直至审核通过。因此,针对版本数的统计可以直观地呈现不同任务的制作难度、返工率,版本越多则表明根据反馈进行修改的情况越普遍。另一方面,每日提交的版本数也可以反映出生产团队的迭代速度和生产效率。

镜头分级和预算

在项目开始的时候,根据客户提出的制作需求,制作总监会对每个需要制作镜头根据制作难度进行分级,并预估其所需的制作周期,从而统计出整个项目的成本和排期。在此,对镜头分级和评估周期的依据则是来自于过往项目中类似的制作需求。

项目正式进入制作阶段后,需要根据实际情况统计实际的资源成本消耗,并与最初的预算进行对比,一方面不断优化预估模型,另一方面对实际成本和预算之间的误差做出相应的应对措施。

硬件资源消耗

影视制作对硬件资源的需求极其大,一个项目的文件总量能够达到上百TB,需要上百台高性能图形工作站或渲染节点同时工作,并且由于涉及到多家公司之间的大量数据交接,因此需要充足的网络带宽资源。根据前期预算和排期规划,结合实际进展中的实时需求,对公司硬件资源的占用情况进行统计和调度,确保项目周期紧张时仍能够调配足够的硬件资源。结合一定的机器学习算法和自动化运维技术,能够做到硬件资源的自动调度。

Google 搜索引擎是如何对搜索结果进行排序的?(请用自己的语言描述 PageRank 算法。)

Google对搜索结果的排序主要基于两方面的因素,一是网页本身的质量,二是网页与搜索关键词的相关程度。前者主要是基于PageRank算法来计算,后者主要基于TF-IDF算法来计算。

PageRank算法

PageRank算法是Google的核心技术之一,也是Google搜索结果显著优于其他搜索引擎的关键所在。它的基本原理是:一个网页的权重,是由其他链接到它的网页的权重之和决定的。说白了这就是一个民主投票策略,简单来说,一个网页获得的来自其他网页的链接越多,那么说明它越重要,越受到大家的认可;另一方面,高权重的网页可以提升其链接到的网页的权重。

PageRank算法将整个互联网视为一个整体进行计算,由于网页之间是相互链接的,一个网页的排名由其他指向它的网页决定,而那些指向它的网页的排名又需要使用同样的算法得出,因此最终整个运算变成了一个递归运算。为了避免出现死循环,实际操作上先为所有网页取一个相同的初始权重值,然后逐步迭代计算每个页面的权重,并在两次迭代计算差别足够小时停止迭代,这时候运算结果就已经收敛到基本准确。

在实际实现上,还需要考虑两种特殊的情况,一是页面只有入链没有出链,二是单个或多个页面之间的链接形成闭环,这两种情况都会导致这些页面不断吸收其他页面的PR值,使得其他页面的PR值最终趋于0,这显然是不合理的。既然理论上无法解决这个问题,则从实际出发,无论是没有出链的情况还是闭环链接的情况,对于真实的访问者来说,他都有一定的概率通过直接输入网址来跳转到其他页面,而不会因为这两种特殊情况而陷入僵局。因此,最终的改进算法对网页权重的考量结合了来自其他页面的入链,以及用户直接通过输入网址进入该页面的概率。


对于整个搜索引擎收录的海量网页进行整体计算显然是计算量非常大的,为了便于拆分成MapReduce之类的分布式并行计算,PageRank算法实际上使用了矩阵运算作为每次迭代的计算方式。

TF-IDF算法

TF即词频,指的是某个词在网页中出现的频率,它的计算方式是该词在网页中出现的次数除以网页的总词数。对于多个词组成的搜索关键词,整个关键词的词频是其分词过后每个词的词频之和。

IDF即逆文档频率,指的是一个词的特殊程度,即当页面中出现该词的时候,能够以此确定页面主题的程度,其计算公式是对所有页面总数和包含该词的页面数的商取对数。

针对给定的关键词和页面,计算出该词的TF值与IDF值的乘积,该乘积越大则表明给定网页与该词的相关性越高。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,454评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,553评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,921评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,648评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,770评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,950评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,090评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,817评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,275评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,592评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,724评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,409评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,052评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,815评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,043评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,503评论 2 361
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,627评论 2 350

推荐阅读更多精彩内容