基于用户投票的排名算法(一):Delicious和Hacker News

标签: IT | 发表时间:2012-02-24 21:50 | 作者:
出处:http://www.ruanyifeng.com/blog/

互联网的出现,意味着"信息大爆炸"。

用户担心的,不再是信息太少,而是信息太多。如何从大量信息之中,快速有效地找出最重要的内容,成了互联网的一大核心问题。

各种各样的排名算法,是目前过滤信息的主要手段之一。对信息进行排名,意味着将信息按照重要性依次排列,并且及时进行更新。排列的依据,可以基于信息本身的特征,也可以基于用户的投票,即让用户决定,什么样的信息可以排在第一位。

下面,我将整理和分析一些基于用户投票的排名算法,打算分成四个部分连载,今天是第一篇。

一、Delicious

最直觉、最简单的算法,莫过于按照单位时间内用户的投票数进行排名。得票最多的项目,自然就排在第一位。

旧版的 Delicious,有一个"热门书签排行榜",就是这样统计出来的。

它按照 "过去60分钟内被收藏的次数"进行排名。每过60分钟,就统计一次。

这个算法的优点是比较简单、容易部署、内容更新相当快;缺点是排名变化不够平滑,前一个小时还排在前列的内容,往往第二个小时就一落千丈。

二、Hacker News

Hacker News是一个网络社区,可以张贴链接,或者讨论某个主题。

每个帖子前面有一个向上的三角形,如果你觉得这个内容很好,就点击一下,投上一票。根据得票数,系统自动统计出热门文章排行榜。但是,并非得票最多的文章排在第一位,还要考虑时间因素,新文章应该比旧文章更容易得到好的排名。

Hacker News使用Paul Graham开发的Arc语言编写,源码可以从 arclanguage.org下载。它的排名算法是 这样实现的:

将上面的代码还原为数学公式:

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,后文会详细讨论这个值。

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。

上图可以看到,有三个同时发表的帖子,得票分别为200票、60票和30票(减1后为199、59和29),分别以黄色、紫色和蓝色表示。在任一个时间点上,都是黄色曲线在最上方,蓝色曲线在最下方。

如果你不想让"高票帖子"与"低票帖子"的差距过大,可以在得票数上加一个小于1的指数,比如(P-1)^0.8。

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。

从前一张图可以看到,经过24小时之后,所有帖子的得分基本上都小于1,这意味着它们都将跌到排行榜的末尾,保证了排名前列的都将是较新的内容。

第三个因素是重力因子G。

它的数值大小决定了排名随时间下降的速度。

上图可以看到,三根曲线的其他参数都一样,G的值分别为1.5、1.8和2.0。G值越大,曲线越陡峭,排名下降得越快,意味着排行榜的更新速度越快。

知道了算法的构成,就可以调整参数的值,以适用你自己的应用程序。

[参考文献]

  * How Hacker News ranking algorithm works

  * How to Build a Popularity Algorithm You can be Proud of

(完)

文档信息

相关 [用户 投票 排名] 推荐:

基于用户投票的排名算法(一):Delicious和Hacker News

- - 阮一峰的网络日志
互联网的出现,意味着"信息大爆炸". 用户担心的,不再是信息太少,而是信息太多. 如何从大量信息之中,快速有效地找出最重要的内容,成了互联网的一大核心问题. 各种各样的排名算法,是目前过滤信息的主要手段之一. 对信息进行排名,意味着将信息按照重要性依次排列,并且及时进行更新. 排列的依据,可以基于信息本身的特征,也可以基于用户的投票,即让用户决定,什么样的信息可以排在第一位.

基于用户投票的排名算法(二):Reddit

- - 阮一峰的网络日志
(不好意思,这个系列中断了近两周,我会尽快在这几天,把后面几篇写完. 上一次,我介绍了 Hacker News的排名算法. 它的特点是用户只能投赞成票,但是很多网站还允许用户投反对票. 就是说,除了好评以外,你还可以给某篇文章差评. Reddit是美国最大的网上社区,它的每个帖子前面都有向上和向下的箭头,分别表示"赞成"和"反对".

基于用户投票的排名算法(三):Stack Overflow

- - 阮一峰的网络日志
上一篇文章,我介绍了 Reddit的排名算法. 它的特点是,用户可以投赞成票,也可以投反对票. 也就是说,除了时间因素以外,只要考虑两个变量就够了. 但是,还有一些特定用途的网站,必须考虑更多的因素. 世界排名第一的程序员问答社区 Stack Overflow,就是这样一个网站. 你在上面提出各种关于编程的问题,等待别人回答.

基于用户投票的排名算法(六):贝叶斯平均

- - 阮一峰的网络日志
(这个系列实在拖得太久,今天是最后一篇. 上一篇介绍了 "威尔逊区间",它解决了投票人数过少、导致结果不可信的问题. 举例来说,如果只有2个人投票,"威尔逊区间"的下限值会将赞成票的比例大幅拉低. 这样做固然保证了排名的可信性,但也带来了另一个问题:排行榜前列总是那些票数最多的项目,新项目或者冷门的项目,很难有出头机会,排名可能会长期靠后.

基于用户投票的排名算法(四):牛顿冷却定律

- - 阮一峰的网络日志
这个系列的前三篇,介绍了 Hacker News, Reddit和 Stack Overflow的排名算法. 今天,讨论一个更一般的数学模型. 这个系列的每篇文章,都是可以分开读的. 但是,为了保证所有人都在同一页上,我再说一下,到目前为止, 我们用不同方法,企图解决的都是同一个问题:根据用户的投票,决定最近一段时间内的"热文排名".

基于用户投票的排名算法(五):威尔逊区间

- - 阮一峰的网络日志
迄今为止,这个系列都在讨论,如何给出 "某个时段"的排名,比如"过去24小时最热门的文章". 但是,很多场合需要的是 "所有时段"的排名,比如"最受用户好评的产品". 这时,时间因素就不需要考虑了. 这个系列的最后两篇,就研究不考虑时间因素的情况下,如何给出排名.   得分 = 赞成票 - 反对票.

Apache投票接受OpenOffice.org

- 灰灰 - Solidot
甲骨文已宣布将开源办公软件项目OpenOffice.org捐赠给Apache基金会. 6月13日,Apache基金会进行了投票表决,以压倒性多数同意接受OpenOffice.org成为Apache的一个孵化器项目. OpenOffice.org将转交给Apache基金会管理,它可能需要数个月时间才能变成Apache的新顶级项目.

投票的过程好…

- 俊超 - 爱胡扯
投票的过程好…太能创意了吧,这也行.

ChinaMode2010评选活动投票入围公司及投票

- scaoen - 天涯海阁-Web2.0Share
之前我总结了我今年在博客介绍的2010年优秀初创企业,颇受欢迎. 而最近由我们Chinamode组织的由用户来提名和专家评审来评审的评选活动经过3周时间,目前已经评选出第二阶段投票阶段的入围公司,现汇总如下,其中不乏一些非常优秀的互联网/移动互联网初创企业,大家可以到Chinamode首页进行投票选择每个类别您最喜欢的公司.

世界黑客排名

- 2楼水饺 - 煎蛋
黑客世界也有这自己的排名,如果你打算雇佣牛逼黑客做点xxxx事情,不妨看看这个网站 RankMyHack.com ,它号称是世界上第一个黑客排名系统. 除了能够收集到一些黑客战绩和信息之外,RankMyHack.com 还开放给任何一个想加入该排名的盆友. 提交你的战绩,然后将RankMyHack 给出的一段代码插入到你所黑掉的网站予以证明.