类似基于投票的热门计数算法普遍应用在热门文章,热门评论等场景中,
典型的比如网易和今日头条的评论区,国外比如Hacker News和Reddit的主题排序。
一.Hacker News的排序算法
Hacker News是一个主题社区,用户可以为主题投票,根据得票数,系统自动统计出热门文章排行榜。
同时主题发表时间也会对排名产生影响,新发表的主题比旧的主题更容易得到好的排名。
Hacker News的排名算法是这样实现的:
(p – 1) / (t + 2)^G
其中,
P表示帖子的得票数,减去1是为了忽略发帖人的投票。
T表示距离发帖的时间(单位为小时),加上2是为了防止最新的帖子导致分母过小(之所以选择2,可能是因为从原始文章出现在其他网站,到转贴至Hacker News,平均需要两个小时)。
G表示"重力因子"(gravityth power),即将帖子排名往下拉的力量,默认值为1.8。
从这个公式来看,决定帖子排名有三个因素:
第一个因素是得票数P。
在其他条件不变的情况下,得票越多,排名越高。
第二个因素是距离发帖的时间T。
在其他条件不变的情况下,越是新发表的帖子,排名越高。或者说,一个帖子的排名,会随着时间不断下降。
第三个因素是因子G。
它的数值大小决定了排名随时间下降的速度。
G值越大,排名下降得越快,意味着排行榜的更新速度越快。
二.Reddit的排序算法
Reddit 是Digg类型网站,国内类似的社区有花瓣网等。
和Hacker News不同,和Reddit允许用户投反对票,
算法如下图:
1.文章提交时间对排名的影响
文章提交时间对排名的影响可以总结为以下几点:
提交时间对排名影响巨大,越新的文章排名会越高
文章排名得分不会随时间的流逝而降低,但新文章会比老文章获得更高的分。这跟Hacker News的排名算法有很大区别,它的得分会随时间流逝而降低。
下图表现的是具有相同支持和反对的票数,但时间不同的文章的排名得分情况:
2.使用对数改变不同范围内的权重计算值
Reddit在算法中使用了对数函数来强化前几票的份量:
前10个赞成票的份量和后面100个的份量,以及再后面1000票的份量是相同的,以此类推
下面是效果图:
3.反对票对排名的影响
Reddit对反对票使用了简单的加减方法,这种计算方式实际上是有问题的,
一篇文章的的’得分‘定义如下:
up_votes – down_votes
最后的结果就是类似下图:
这种计算方式会对既有很多赞成票,又有很多反对票的文章(比如很有争议的文章)带来重大影响,它们可能会比那些只有很少赞成票的文章获得分数更低。
三.典型的文章/评论等投票计数算法
可以考虑使用类似规则引擎的机制去计算权重,在项目中封装独立的模块用于计算热门评论的加权得分,得到列表展现顺序。
1.影响列表排序结果的因素
(1)需要计算的维度
发布时间,点赞数,评论数,内容丰富度(如商品评论等)
(2)可以扩展引入计算的维度
用户权重(星级用户/认证用户等)
2.不同权重对展现结果的影响
(1)发表时间
最新的发表的主题的权重大于一段时间以前发表的内容,这个维度的影响可以通过改变对应的时间因素上的因子等调节。
(2)点赞和点踩数目
点赞数越多,位置越靠前,点踩数越多,排序位置越靠后,同时不同时间间隔的点赞操作会占权重不同,比如五分钟以内的10个点赞大于一小时以内的20条点赞。
(3)评论数目及最近一段时间的评论活跃度
评论数目越多,位置越靠前,同时近期被评论越多,活跃的主题占据的位置会越靠前。
(4)内容丰富度
其他纬度类似的情况下,内容越丰富,权重应该越高。
3.计算策略
针对上面的几个维度,可以分别整理对排序结果有正面和负面影响的因素,可以使用乘法和加法结合,通过设置不同的因子来调节权重。
内容参考:
Hacker News和Reddit的算法:
Reddit排名算法工作原理