检查队列中的用户：管理优先级的算法？
Checking Users in a Queue: Algorithm for managing Priority?
假设我在队列中有大量用户，我会定期根据 速率限制 API 查询每个用户。查询完所有用户后，将重新启动该过程。应用了速率限制，因此我无法在 合理的 时间内检查所有用户（> 1 天检查所有人）。
每次检查用户时，我都能检查他们上次活跃的时间。如果一个用户最近很活跃（比方说最近几天），那么他们应该优先于根本不活跃的用户（> 一年）。但是非活跃用户被查询到的概率应该还是大于0的。有没有现成的research/methods如何高效管理这个队列？
目前我在想的是做一个简单的优先级队列，让用户的初始值是他们上次激活的时间。任何时候查询用户时，他们在队列中的位置都会被替换为他们最后活跃的日期 + 从分布中生成的一些随机数，以便最终可以检查所有用户。
经过深思熟虑，我决定使用贝叶斯模型来推断每个用户的事件间隔时间。我假设 time-period 内每个用户的 activity 数量服从泊松分布。由此可见，每个事件之间的时间服从指数分布。对于速率参数，我假设它是伽马分布的。因此，后验分布是lomax分布。对于我添加到队列中的每个用户，我从后部抽样作为他们的新优先级#。当用户有最近的 activity 时，我会更新他们的 user-specific 超参数，然后重新采样一个新的优先级值。这使我可以灵活地根据数据调整每个用户的优先级，并为我没有任何信息的新用户设置优先级。
假设我在队列中有大量用户，我会定期根据 速率限制 API 查询每个用户。查询完所有用户后，将重新启动该过程。应用了速率限制，因此我无法在 合理的 时间内检查所有用户（> 1 天检查所有人）。
每次检查用户时，我都能检查他们上次活跃的时间。如果一个用户最近很活跃（比方说最近几天），那么他们应该优先于根本不活跃的用户（> 一年）。但是非活跃用户被查询到的概率应该还是大于0的。有没有现成的research/methods如何高效管理这个队列？
目前我在想的是做一个简单的优先级队列，让用户的初始值是他们上次激活的时间。任何时候查询用户时，他们在队列中的位置都会被替换为他们最后活跃的日期 + 从分布中生成的一些随机数，以便最终可以检查所有用户。
经过深思熟虑，我决定使用贝叶斯模型来推断每个用户的事件间隔时间。我假设 time-period 内每个用户的 activity 数量服从泊松分布。由此可见，每个事件之间的时间服从指数分布。对于速率参数，我假设它是伽马分布的。因此，后验分布是lomax分布。对于我添加到队列中的每个用户，我从后部抽样作为他们的新优先级#。当用户有最近的 activity 时，我会更新他们的 user-specific 超参数，然后重新采样一个新的优先级值。这使我可以灵活地根据数据调整每个用户的优先级，并为我没有任何信息的新用户设置优先级。