SegmentFault 熱門內容優化

以前 SegmentFault 的熱門內容算法沒有考慮到時間因素，致使熱門內容更新較慢，新的熱門內容排不上位，因此最近對這塊作了一些改動，主要參考了阮一峯老師的關於網站熱門內容排序的一系列博客：

• 基於用戶投票的排名算法（一）：Delicious和Hacker News

• 基於用戶投票的排名算法（二）：Reddit

• 基於用戶投票的排名算法（三）：Stack Overflow

• 基於用戶投票的排名算法（四）：牛頓冷卻定律

• 基於用戶投票的排名算法（五）：威爾遜區間

• 基於用戶投票的排名算法（六）：貝葉斯平均

這幾篇文章對於網站熱門內容的計算研究有很好的指導做用，很是值得拜讀。

言歸正傳，來講說 SegmentFault 的熱門算法。

熱門文章

對於熱門文章，使用了以下公式：

$$ \frac{lg(views) * 4 + recommendScore + collectScore + ln(articleComments)}{(age/2 + update/2 + 1) ^ i}
$$

其中

• views：瀏覽量，對瀏覽量作了一次去對數處理，主要是爲了防止某些瀏覽量較大的文章異軍突起，待在榜單遲遲不動。

• recommendScore / collectScore：文章的推薦數和收藏數，直接加和到分子中，做爲文章熱門程度的考慮因素。

• articleComments：文章評論數，這個也做爲一個影響文章熱度的因素，不過爲了下降其影響，對其做了一次取對數操做，主要是考慮到評論數量的影響力並無上面兩個的高。

• (age/2 + update/2 + 1) ^ i：分母是對時間因子的考慮，宏觀上來看，就是文章熱度和建立時間成反比。細節上，作成了個指數函數，能夠經過對 i 變量的調控來改變時間因子在對熱度的影響。

  • age：內容發佈時間

  • update：內容最後更新時間（全部時間值單位均爲 h/3600）

  • i：重力因子，取值的大小會直接決定熱門排序（後面將介紹這點）

熱門問答

對於熱門問答，使用了以下公式：

$$
\frac{lg(views) * 4 + sum(Qanswers * anwserScores + Qscore) / 5 + ln(commentSocres)}{(age/2 + update/2 + 1) ^ i}
$$

熱門問答的計算參考了 Stack Overflow 對於回答數量和問題得票數的處理。同時，結合咱們的實際，將評論的得票數也作爲一個因素加入計算。

• Qanswers / Qscore：分別是問題的答案數量和問題的得票數

• anwserScores / commentSocres：分別是該問題下全部答案的總得票數和全部評論的總得票數

• update：該問題下答案的最新更新時間

其他的變量含義和文章算法相同。

日/周/月熱門如何區別？

首先要明確各種不一樣熱門內容的目的。

• 日熱門的主要目的就是突出最近一天內的熱門內容，更方便於內容被你們看到，文章快速地造成討論、受關注的問題儘快獲得解決；

• 周熱門的主要目的很明確，就是突出過去一週內的熱門內容，同時，給新產生的優秀內容機會，讓其有機會進入熱門列表；

• 月熱門同周熱門目的同樣，但更須要給新內容進入列表的機會，以讓內容常常更新。

因此，該怎麼作呢？

對於同一內容，上面的計算公式都可化簡爲

$$ \frac{s}{t^i} （s 是總得分指標，t 爲時間量，i 是變量重力因子） $$

能夠看出，其熱度和建立時間成反比，那麼這個反比的值最終就由重力因子 i 來影響。

日熱門爲了突出新熱內容、過濾時間太久的熱門內容，須要增大重力因子，儘量排除 24 小時以外的熱門內容；周熱門和月熱門則須要按時間要求依次逐漸降小 i 值。

關於指數 i 值的選定，採起了估算：繪製出必定範圍內時間和文章熱度的指數函數的圖，而後根據需求挑選知足本身條件的指數值。以下圖

屢次估值測試，最終分別將日、周、月的 i 值選取爲 1.0、0.五、0.3。

總結

開始修改熱門算法的時候，並無收到計算周熱門、月熱門的需求，因此直接很暴力的將時間因子加入進去，這樣的確可以知足需求，能夠保證熱門的內容隨着時間的推移保持更新，而不會出現以前的某幾篇文章的熱度一直保持恆定，穩居榜首。

後來須要計算區間內的熱門內容時，仍然使用開始的方案，由於時間因子的關係，會致使區間內的熱門內容受時間的影響太大，出現的問題就是周熱門、月熱門榜首的內容依然是最新產生的內容佔比重較多，因此才考慮對分母的時間因子作了動態調節的方案，也就是將分母的指數根據計算不一樣的區間，給出不一樣的值（但未找到更合適的取值方法，只能屢次估值）。

咱們目前的算法仍有須要完善之處，重力因子 i 的取值依舊是難點，你們若是有更好的方法，歡迎討論。