基於使用者投票的排名演算法（一）：Delicious和Hacker News

使用者擔心的，不再是資訊太少，而是資訊太多。如何從大量資訊之中，快速有效地找出最重要的內容，成了網際網路的一大核心問題。

各種各樣的排名演算法，是目前過濾資訊的主要手段之一。對資訊進行排名，意味著將資訊按照重要性依次排列，並且及時進行更新。排列的依據，可以基於資訊本身的特徵，也可以基於使用者的投票，即讓使用者決定，什麼樣的資訊可以排在第一位。

下面，我將整理和分析一些基於使用者投票的排名演算法，打算分成四個部分連載，今天是第一篇。

一、Delicious

最直覺、最簡單的演算法，莫過於按照單位時間內使用者的投票數進行排名。得票最多的專案，自然就排在第一位。

舊版的Delicious，有一個"熱門書籤排行榜"，就是這樣統計出來的。

它按照"過去60分鐘內被收藏的次數"進行排名。每過60分鐘，就統計一次。

這個演算法的優點是比較簡單、容易部署、內容更新相當快；缺點是排名變化不夠平滑，前一個小時還排在前列的內容，往往第二個小時就一落千丈。

二、Hacker News

Hacker News是一個網路社群，可以張貼連結，或者討論某個主題。

每個帖子前面有一個向上的三角形，如果你覺得這個內容很好，就點選一下，投上一票。根據得票數，系統自動統計出熱門文章排行榜。但是，並非得票最多的文章排在第一位，還要考慮時間因素，新文章應該比舊文章更容易得到好的排名。

Hacker News使用Paul Graham開發的Arc語言編寫，原始碼可以從arclanguage.org下載。它的排名演算法是這樣實現的：

將上面的程式碼還原為數學公式：

其中，

　　P表示帖子的得票數，減去1是為了忽略發帖人的投票。

　　T表示距離發帖的時間（單位為小時），加上2是為了防止最新的帖子導致分母過小（之所以選擇2，可能是因為從原始文章出現在其他網站，到轉貼至Hacker News，平均需要兩個小時）。

　　G表示"重力因子"（gravityth power），即將帖子排名往下拉的力量，預設值為1.8，後文會詳細討論這個值。

從這個公式來看，決定帖子排名有三個因素：

第一個因素是得票數P。

在其他條件不變的情況下，得票越多，排名越高。

從上圖可以看到，有三個同時發表的帖子，得票分別為200票、60票和30票（減1後為199、59和29），分別以黃色、紫色和藍色表示。在任一個時間點上，都是黃色曲線在最上方，藍色曲線在最下方。

如果你不想讓"高票帖子"與"低票帖子"的差距過大，可以在得票數上加一個小於1的指數，比如(P-1)^0.8。

第二個因素是距離發帖的時間T。

在其他條件不變的情況下，越是新發表的帖子，排名越高。或者說，一個帖子的排名，會隨著時間不斷下降。

從前一張圖可以看到，經過24小時之後，所有帖子的得分基本上都小於1，這意味著它們都將跌到排行榜的末尾，保證了排名前列的都將是較新的內容。

第三個因素是重力因子G。

它的數值大小決定了排名隨時間下降的速度。

從上圖可以看到，三根曲線的其他引數都一樣，G的值分別為1.5、1.8和2.0。G值越大，曲線越陡峭，排名下降得越快，意味著排行榜的更新速度越快。

知道了演算法的構成，就可以調整引數的值，以適用你自己的應用程式。

[參考文獻]

　　* How Hacker News ranking algorithm works

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

（完）

作者： 阮一峰

VIA http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html