Нови претраживач жели да рецензије Апп Сторе -а буду искрене и тачне, потпуно игноришући оне које могу доћи из плаћених новчаних средстава или кроз немилосрдно шибање корисника програмера.
До овог писања, систем тврди да је ревидирао преко 17 милиона прегледа и игнорисао 1,1 милион њих. А ако се питате да ли је врућа нова игра или апликација за календар испуњена функцијама заиста вредна вашег времена, можда бисте желели да проверите ову веб локацију.
АппРецс је услуга и потпуно је бесплатна на мрежи. Све што треба да урадите је да директно потражите апликацију која вас занима или прегледате листу од око 35.000 „заиста сјајних“. Можете их филтрирати према цени, просечној оцени, категорији и популарности.
Творац АппРецс-а, софтверски инжењер из Сијетла Марк Едмонд, описује своје методе у дугачка тема на Реддиту, али се у основи своди на организовање прегледа на основу нивоа поузданости. Едмонд поставља „органске“ рецензије Апп Сторе -а - ти корисници пишу на сопствену иницијативу - и они које програмери нежно траже на врху лествице. Испод су оне рецензије са мање поверења, које укључују агресивно тражене, филтриране/одабране трешње, са мрежне стране, засноване на наградама, и само оне које се директно плаћају.
Едмонд каже да је тешко одредити које би рецензије Апп Сторе -а могле бити мање оригиналне, али развио је неколико заставица на које треба пазити.
„На пример, рецимо да је рецензент објавио само рецензије са 5 звездица и прегледао 1.000+ апликација-те оцене означавамо као непоуздане“, рекао је за Реддит. „Шта кажете на плодне рецензенте А и Б, који су обојицу прегледали скоро исти скуп апликација, све са позитивном оценом? Вероватно умрежен или плаћен.
„У неким случајевима, рецензије су изрезане и залепљене из претходних рецензија, па их је лако означити. У другим случајевима, можемо погледати укупну статистику за сваку апликацију - средњу дужину прегледа, средњи број рецензија које су објавили рецензенти и друге метрике - и установити да се нешто чудно дешава. "
АппРецс започиње Јава апликацијом која прикупља огромну количину података из Аппле претраживања и феедова и одваја релевантне податке у бази података. Затим почиње прегледавање свих тих података у потрази за стварима које покрећу заставице помоћу агрегације и моторима за препоруку пре него што све своје налазе пренесе у генератор локације, који ажурира мотор онлине.
Пошто користи низ аутоматизованих задатака заснованих на образованим претпоставкама, Едмонд није сигуран колика је грешка система. Али он тражи начине да то побољша машинским учењем и дефинитивно је добро почео.