ভুল তথ্য ও অ্যালগরিদমিক অ্যামপ্লিফিকেশন

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ উদাহরণ -- বাস্তব কোনো প্ল্যাটফর্মের ডেটা নয়
# প্রতিটি পোস্ট: এনগেজমেন্ট স্কোর ও এটি মিথ্যা কিনা (র‌্যাংকার এই দ্বিতীয় তথ্যটি কখনোই দেখে না)
posts = [
    {"id": 7,  "engagement": 650, "is_false": False},
    {"id": 1,  "engagement": 980, "is_false": True},
    {"id": 12, "engagement": 360, "is_false": False},
    {"id": 3,  "engagement": 860, "is_false": True},
    {"id": 9,  "engagement": 540, "is_false": True},
    {"id": 5,  "engagement": 740, "is_false": False},
    {"id": 15, "engagement": 180, "is_false": False},
    {"id": 2,  "engagement": 875, "is_false": False},
    {"id": 11, "engagement": 420, "is_false": False},
    {"id": 4,  "engagement": 790, "is_false": True},
    {"id": 13, "engagement": 300, "is_false": False},
    {"id": 6,  "engagement": 700, "is_false": True},
    {"id": 10, "engagement": 480, "is_false": False},
    {"id": 8,  "engagement": 600, "is_false": False},
    {"id": 14, "engagement": 240, "is_false": False},
]

def false_ratio(post_list):
    if not post_list:
        return 0.0
    return sum(1 for p in post_list if p["is_false"]) / len(post_list)

# বিশুদ্ধ এনগেজমেন্ট-অপ্টিমাইজিং র‌্যাংকিং: শুধু এনগেজমেন্ট স্কোর অনুযায়ী descending sort
ranked_feed = sorted(posts, key=lambda p: p["engagement"], reverse=True)

TOP_N = 5
top_posts = ranked_feed[:TOP_N]

overall_false_ratio = false_ratio(posts)
top_false_ratio = false_ratio(top_posts)

print("টপ", TOP_N, "র‌্যাংকড পোস্ট (এনগেজমেন্ট অনুযায়ী):")
for p in top_posts:
    label = "মিথ্যা" if p["is_false"] else "সত্য/নিরপেক্ষ"
    print(f"  পোস্ট #{p['id']:<3} এনগেজমেন্ট={p['engagement']:<5} ({label})")

print(f"\nপুরো তালিকায় মিথ্যা পোস্টের অনুপাত:     {overall_false_ratio:.2f} ({overall_false_ratio*100:.0f}%)")
print(f"টপ {TOP_N}-এ মিথ্যা পোস্টের অনুপাত:        {top_false_ratio:.2f} ({top_false_ratio*100:.0f}%)")