可以参考IMDB的评分模式
这是一种贝叶斯统计的算法得出的加权分(Weighted Rank-WR)
IMDB评分如下：
weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C

其中：

R = average for the movie (mean) = (Rating) （是用普通的方法计算出的平均分）

v = number of votes for the movie = (votes) （投票人数，需要注意的是，只有经常投票者才会被计算在内，这个下面详细解释）

m = minimum votes required to be listed in the top 250 (currently 1250) （进入imdb top 250需要的最小票数，只有三两个人投票的电影就算得满分也没用的）

C = the mean vote across the whole report (currently 6.9) （目前所有电影的平均得分）

其实考虑个人信誉权重的确可以提高精确度，基本的实现并不困难，无外乎就是一些评价结果的反馈性迭代。但是由于电影评价类似于文学评论，具有过高的主观因素，因此精确化的评分机制（比如按照影片类别、受众特点等）其实还是相当困难——这也是我曾经想做的一个算法：即一个评论目标不是只有一个评分，而是根据用户的身份、年龄、性别、喜好等给出一个评分，其对于不同人的差异类似“你可能会喜欢xx影片”的结果因人而异一样

我是外行，说些外行话
1.Like的机制。我猜已经有了。
2.针对点Like的人粉丝数、活跃度、忠诚度....来给一个权重区间
3.rank值。喜欢A后，又喜欢B。然后，反过来会给A再加分。
说白了属于facebook(like）+google（rank)的结合体。
这个只是我个人在做的一个头脑风暴，见笑了