書單是怎麼被整理出來的？用加權評分調出你自己的書單

2026-10-21

書單是怎麼被整理出來的？用加權評分調出你自己的書單

一份可信的書單，不是誰主觀挑出來的，而是把公開評價用一套一致的規則排出來的結果。你大概也看過各種「必讀書單」，問題往往不在書選得好不好，而在你沒辦法判斷它憑什麼這樣排。書序（realbookrank.com）走的是另一條路：不給你一份選好的清單，而是把排序邏輯攤開——說明一份書單排名怎麼同時看平均星等和評分人數，再讓你自己調條件，篩出屬於你自己的書單。這篇就示範這套方法，也點出一個最常被忽略的坑：光看星數，會被少量評分灌水。

為什麼多數「書單」不能照單全收

遇到一份網路書單，先別急著收藏。你要問的是幾個判斷點，而不是直接相信或否定它。

一個常見的破綻是把「平均分很高」當成唯一依據。打個比方（以下純屬假設、不是真實書籍）：一本書平均星數很高，但只有少數幾個人打過分；另一本星數稍微低一點，背後卻是成千上萬人的評價。並排放在同一份清單裡，誰比較可信？IMDb 在說明它的評分機制時講得很直白——它公開的是加權後的投票平均，而不是原始資料的平均，因為並不是每一票都有相同的影響力（也就是它所說的「權重」）。換句話說，怎麼挑書單的第一步，是去看排序到底有沒有把「多少人給過分」算進去。

所以判斷一份書單值不值得信，你可以先確認三件事：

1. 是誰整理的、用什麼身分排的。
2. 排序依據有沒有公開，還是只寫了結論。
3. 有沒有交代評分人數和資料來源。

這三點答不出來的清單，參考就好，別當定論。

一份書單是怎麼被整理出來的——加權評分

書序的做法是加權評分：結合平均星等與評分人數，降低少量評分造成的偏差。展開首頁「看看排名怎麼算」，會看到這條公式：

W =（v × R + m × C）÷（v + m）

其中 R 是書籍評分，v 是評分人數，m 是你設定的信心門檻，C 是目前這份書單全部書籍按人數加權的平均評分。這是書序自己的計算，不是 Goodreads 官方排名。白話說，當一本書的評分人數 v 很少時，它的分數會被往整體平均 C 拉；人數越多，才越能代表它自己的評分 R。

為什麼要同時看「平均星等」與「評分人數」

因為只看平均分會出事：當打分的人很少，少數幾個高分就能把平均拉得很漂亮，但那個數字其實撐不起來。把評分人數一起看，你才知道這個平均到底是幾個人給出來的。

IMDb 就是一個在處理這件事的例子。IMDb 的 Top 250 設了一道人數門檻：一部作品必須累積到最低評分數（IMDb 寫明目前是 25,000 筆）才會被列入；它說這條公式給出的是一個真正的「貝氏估計」，會把每部作品收到的評分數、進榜所需的最低評分數，以及所有作品的平均分一起算進去。IMDb 讓註冊使用者為每一部已上映作品打 1 到 10 分，再把這些分數匯總——而它強調，為了維持機制有效，不會公開確切的計算方法。書序的邏輯相近，同樣把加權公式整條寫出來給你看。

信心門檻是什麼、該怎麼想

信心門檻就是公式裡的 m：它決定一本書要累積到多少評分人數，分數才站得住、不被整體平均拉動。評分人數還太少時，公式會先把它的分數往整體平均 C 拉，等於提醒你別太快相信那個高分；人數越接近甚至超過 m，書本身的評分 R 才越能作數。

這也不是誰拍腦袋的做法。收縮估計是統計學裡既有的概念：一篇 2018 年的研究就指出，當成對比較的資料相對稀少時，收縮估計在實務上會勝過最大概似估計。書序對評分人數少的書往整體平均拉，用的是類似的直覺——不過那份研究處理的是成對比較，情境和書籍評分並不完全相同。

門檻該設多少，沒有唯一正解。書序把 m 做成三個可選值：10,000、100,000、1,000,000，預設 100,000。想更嚴格、只看評價基礎夠厚的書，就把門檻調高；想讓小眾書有機會冒出來，就調低。它是你手上的參數，不是寫死的規定。

動手調出你自己的書單

書單是參數的結果。同一套加權邏輯，條件不同，跑出來的清單就不同。書序的加權評分是在你的瀏覽器裡即時算的，每改一次篩選或門檻都會重算，所以你可以當場試。可調的面向包括：

• 信心門檻：在 10,000、100,000、1,000,000 之間切換，決定你願意相信多少評分人數。
• 最低評分：不限、4.0 以上、4.3 以上、4.5 以上（某個門檻只有在目前書單至少有 100 本書達標時才會出現）。
• 最低評分人數：自己輸入一個數字，把評價基礎太薄的書濾掉。
• 類型：點一下只看該類型，再點一下排除，第三下清除。
• 排序方式：加權評分、平均評分、評分人數、原書單分數、書名 A–Z，共五種，預設是加權評分。

書單本身也能換：下拉選單會列出書序目前收錄的 25 個書單，有兩份以上時還能切到「全部書單」合併看。排名表的欄位依序是排名、書籍／作者、平均評分、評分人數、加權評分、書單分數；書名直接連到該書的 Goodreads 頁面。想自己試一輪，可以直接到 書序首頁的排名工具調整看看。

要提醒的是，書序的資料是 Goodreads 公開書單的快照，存成站上的 JSON 檔，不是每次打開頁面就即時去 Goodreads 查；頁面上方「資料更新」顯示的是那份快照的抓取日期。評分會隨時間變動，這點它也寫在來源說明裡。

自己篩選前，先問自己這幾個問題

工具再透明，方向還是得你自己定。打開 排名工具之前，先把這份清單過一遍：

• 你想解決的是什麼閱讀需求？想養成習慣、找某個主題，還是單純想找「夠多人讀過且評價穩」的書？
• 你願意相信多少評分人數？這決定你的信心門檻要往高還是往低調。
• 要不要限定類型？限定會更聚焦，但也會篩掉一些你本來可能會喜歡的書。

帶著答案去調條件，比照單全收任何一份現成書單都更靠得住。

自己跑一份屬於你的書單

書序是獨立的閱讀工具，資料整理自 Goodreads 公開評價。與其問「哪份書單最準」，不如自己設一次門檻、跑一份屬於你自己的書單——到 書序首頁調參數，或先讀站上其他選書文章，再回來動手試。

常見問題

書單是怎麼排出來的？ 書序用加權評分整理公開評價，公式是 W =（v × R + m × C）÷（v + m），把平均星等 R 和評分人數 v 一起算進去，而不是人工主觀排序。這跟 IMDb 公開加權後的投票平均、而非原始平均的做法是同一個思路。

為什麼評分很高的書不一定排在前面？ 因為評分人數太少時，高分的參考價值低。IMDb 的 Top 250 就要求作品累積到最低評分數（目前是 25,000 筆）才列入，並用把評分數一起算進去的貝氏估計排名。書序用信心門檻做同一件事：人數不夠，分數會被往整體平均拉。

我可以自己調整書單嗎？怎麼調？ 可以。你能調信心門檻（10,000／100,000／1,000,000）、最低評分、最低評分人數、類型與排序方式，條件一改，清單就不同。到書序首頁的排名工具就能即時試。

書序的書單資料從哪裡來？會不會是業配？ 資料是 Goodreads 公開書單的快照。書序是獨立的閱讀工具，頁尾也寫明「資料來源 Goodreads · 排名僅涵蓋已收錄書籍」，是不是業配、要不要相信，你可以自己從頁面和它的連結判斷。

怎麼判斷一份網路書單值不值得信？ 確認三點：誰整理的、排序依據有沒有公開、有沒有交代評分人數與資料來源。三點都答得出來的書單，才比較經得起檢驗。

json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "書單是怎麼排出來的？", "acceptedAnswer": { "@type": "Answer", "text": "書序用加權評分整理公開評價，公式是 W =（v × R + m × C）÷（v + m），把平均星等與評分人數一起算進去，而不是人工主觀排序，和 IMDb 公開加權後投票平均而非原始平均的思路一致。" } }, { "@type": "Question", "name": "為什麼評分很高的書不一定排在前面？", "acceptedAnswer": { "@type": "Answer", "text": "因為評分人數太少時高分參考價值低。IMDb 的 Top 250 要求作品累積到最低評分數（目前 25,000 筆）才列入，並用貝氏估計排名；書序用信心門檻做同一件事，人數不夠時分數會被往整體平均拉。" } }, { "@type": "Question", "name": "我可以自己調整書單嗎？怎麼調？", "acceptedAnswer": { "@type": "Answer", "text": "可以。你能調信心門檻（10,000／100,000／1,000,000）、最低評分、最低評分人數、類型與排序方式，條件一改清單就不同，到書序首頁的排名工具即可即時試。" } }, { "@type": "Question", "name": "書序的書單資料從哪裡來？會不會是業配？", "acceptedAnswer": { "@type": "Answer", "text": "資料是 Goodreads 公開書單的快照。書序是獨立的閱讀工具，頁尾寫明資料來源 Goodreads、排名僅涵蓋已收錄書籍，是不是業配、要不要相信，你可以自己從頁面和它的連結判斷。" } }, { "@type": "Question", "name": "怎麼判斷一份網路書單值不值得信？", "acceptedAnswer": { "@type": "Answer", "text": "確認三點：誰整理的、排序依據有沒有公開、有沒有交代評分人數與資料來源。三點都答得出來的書單才比較經得起檢驗。" } } ] }

參考資料

• IMDb Help — Weighted Average Ratings
• IMDb Help Center — Ratings FAQ
• IMDb Help — Why doesn't a title with the average user vote of 9.4 appear in your top 250?
• Improving Pairwise Comparison Models Using Empirical Bayes Shrinkage (arXiv)