求点赞/点踩（Thumbs up/down）评分系统的数学算法及计算方案

嘿，我明白你想实现视频网站那种点赞/点踩的评分展示，之前用的 Thumbsup / Thumbsdown * 100 确实会出现超过100%的问题——因为这个公式算的是点赞数相对于点踩数的倍数，不是用户感知里的“好评率”之类的评分。下面给你几种常用的数学方案和算法，都是行业里广泛用的：

这是视频、内容平台最常用的方案，核心是计算点赞数在总票数中的占比，结果范围是0-100%，完全符合用户对“好评比例”的认知。

公式： #

(点赞数 / (点赞数 + 点踩数)) * 100

如果总票数为0（还没人投票），可以返回0或者显示“暂无评分”。

示例： #

6赞2踩的情况：(6 / (6+2)) * 100 = 75%，也就是75%的用户给了好评，这个结果就很合理了。

适用场景： #

• 只想展示用户对内容的支持比例
• 配合进度条展示（比如绿色进度条占75%，红色占25%，直观体现赞踩分布）

代码实现（JavaScript）： #

function getLikePercentage(likes, dislikes) {
  const totalVotes = likes + dislikes;
  if (totalVotes === 0) return 0; // 避免除以0
  return Math.round((likes / totalVotes) * 100);
}

如果想突出内容的“受欢迎程度差值”，可以用净评分，核心是计算点赞和点踩的差值，也可以归一化到-100到100的范围。

两种形式： #

• 原始差值：点赞数 - 点踩数，比如6赞2踩就是6-2=4，直接显示+4
• 归一化差值：((点赞数 - 点踩数) / max(点赞数 + 点踩数, 1)) * 100，示例结果是(6-2)/8*100=50%，范围-100到100，正数代表偏向点赞，负数偏向点踩

适用场景： #

• 想快速展示内容的整体口碑偏向
• 类似豆瓣“有用/没用”的展示逻辑

如果你的场景需要根据评分排序内容（比如问答社区、内容推荐），上面两种方案有个问题：比如一个新内容有1赞0踩（100%点赞率），会比一个有100赞1踩（99%点赞率）的内容得分更高，但后者的样本量更大，可信度更高。Wilson得分就是解决这个问题的，它会计算置信区间的下限，兼顾点赞率和样本量。

公式： #

p = 点赞数 / 总票数
n = 总票数
z = 置信水平对应的z值（95%置信度用1.96，90%用1.645）

Wilson得分 = (p + z²/(2n) - z * sqrt((p*(1-p) + z²/(4n))/n)) / (1 + z²/n)

示例： #

• 1赞0踩：p=1，n=1，z=1.96，计算得分为≈0.300
• 100赞1踩：p≈0.9901，n=101，计算得分为≈0.966

显然后者得分更高，更适合排在前面。

适用场景： #

• 内容排序、推荐系统
• 需要避免小样本极端值干扰的场景

代码实现（JavaScript）： #

function calculateWilsonScore(likes, dislikes, confidence = 0.95) {
  const totalVotes = likes + dislikes;
  if (totalVotes === 0) return 0;
  
  const p = likes / totalVotes;
  const z = confidence === 0.95 ? 1.96 : 1.645; // 对应不同置信度
  
  const denominator = 1 + (z * z) / totalVotes;
  const numerator = p + (z * z) / (2 * totalVotes) - z * Math.sqrt((p * (1 - p) + (z * z) / (4 * totalVotes)) / totalVotes);
  
  return numerator / denominator;
}

针对你想要的「点赞按钮 | 评分展示区 | 点踩按钮」布局：

• 如果用点赞率：展示区可以放75% 好评，或者配合横向进度条（绿色段占比=点赞率，红色段=100%-点赞率）
• 如果用净评分：展示区放+4或者50%
• 如果是排序场景：Wilson得分不需要直接展示给用户，只用来后台排序即可

内容的提问来源于stack exchange，提问作者Pixel Dsign