使用威尔逊区间计算POI与TD之间的分数，现在总结一下。
对于召回的一些数据如何给这些数据来排名，然后根据这个排名来显示数据，这就需要使用“威尔逊区间”了。
首先我们讨论的情况是每个项目只有两种选择，且项目之间是相互独立的，就是项目符合“二项分布”的。
如[1]中所举的例子中可以看出，无论得分情况为
得分 = 赞成票 - 反对票还是
得分 = 赞成票 ／ 全部票都会出现错误的情况。
有一种计算得分的策略是，通过某事件发生的概率的最低置信区间来对项目进行排序。
所谓”置信区间”，就是说，以某个概率而言，p会落在的那个区间。比如，某个产品的好评率是80%，但是这个值不一定可信。根据统计学，我们只能说，有95%的把握可以断定，好评率在75%到85%之间，即置信区间是[75%, 85%]。
而“威尔逊区间”就是为了计算这个“置信区间”的。二项分布的置信区间有多种计算公式，最常见的是”正态区间”（Normal approximation interval），但是这种算法对于小样本的情况下准确度是很低的。
威尔逊区间的计算公式如下：
其中，p¯¯¯p¯ 表示的是一件事发生的概率，n表示发生的总次数，z表示置信水平，一般取0.95。
这样通过计算每个项目的“威尔逊区间”就能得到最终的排名。
比如知乎就是用这种策略来计算每条回答得分，最后按分数来排名的。
此时威尔逊区间也能化简为如下格式：
参考链接为：
1，http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_wilson_score_interval.html
2，http://blog.sina.com.cn/s/blog_67dd85310102wtdq.html