最近開始在簡(jiǎn)書上混，今日在首頁(yè)上不經(jīng)意間看到一篇《從豆瓣電影評(píng)分算法說(shuō)起》，感覺(jué)有點(diǎn)眼熟，就點(diǎn)了進(jìn)去。
其實(shí)阿北的那篇《豆瓣電影評(píng)分八問(wèn)》，我也是剛看過(guò)，這可能也是讓我覺(jué)得眼熟的原因。
其他的不多說(shuō)，其實(shí)讓我耳目一新的是作者說(shuō)的用戶投票排名算法。
我之所以說(shuō)是耳目一新，那是因?yàn)轭愃七@種熱度TopN排名的算法，在一年前接觸過(guò)，也設(shè)計(jì)過(guò)排名算法，并且，至今然仍在用，那就是“極客頭條"的最熱排行榜。
而現(xiàn)在，總算是接觸到比較完整的算法描述了，對(duì)排名算法也有了一個(gè)比較系統(tǒng)的認(rèn)知，所以甚是感激。
其他的先不說(shuō)，先把阮一峰老師的基礎(chǔ)六大算法排上，讓大伙兒對(duì)用戶投票排名算法有個(gè)大概了解：
(1)?基于用戶投票的排名算法（一）：Delicious和Hacker News 2012.02.24
(2)?基于用戶投票的排名算法（二）：Reddit 2012.03.07
(3)?基于用戶投票的排名算法（三）：Stack Overflow 2012.03.11
(4)?基于用戶投票的排名算法（四）：牛頓冷卻定律 2012.03.16
(5)?基于用戶投票的排名算法（五）：威爾遜區(qū)間 2012.03.20
(6)?基于用戶投票的排名算法（六）：貝葉斯平均 2012.03.28
回到這邊，關(guān)于極客頭條的最熱排行榜，當(dāng)時(shí)雖然沒(méi)有系統(tǒng)的了解到六大算法，但是考慮還算是周全，也不算太low。
我們當(dāng)時(shí)考慮以下幾個(gè)排名影響因素，例如，文章的頂、踩、評(píng)論、瀏覽數(shù)以及發(fā)布時(shí)間等。至于公式算法就不方便公開了，整個(gè)算法也還算可以。
結(jié)合之前的實(shí)際操作以及現(xiàn)在的系統(tǒng)了解，對(duì)于熱度排名算法的設(shè)計(jì)也有了一些新的理解。
有些時(shí)候，差評(píng)不一定就是負(fù)影響！
從六大算法中我們可以知道，贊成票對(duì)結(jié)果起著正影響，而反對(duì)票則負(fù)影響。比如Reddis算法中，贊成票與反對(duì)票的差集越大，對(duì)結(jié)果正影響越大；而在威爾遜區(qū)間計(jì)算中，核心依據(jù)是好評(píng)率。
其實(shí)，在真實(shí)的業(yè)務(wù)場(chǎng)景中，不一定是這樣的，如果我們單純的是為優(yōu)質(zhì)文章做熱度排序，這種做法毋庸置疑。但是，如果我們是為類似辯論性，或者觀點(diǎn)性的文章做熱度排序呢？
針對(duì)于這種場(chǎng)景，個(gè)人認(rèn)為頂踩都很重要，兩個(gè)點(diǎn)能夠反映這種辯論文章的質(zhì)量：頂踩數(shù)總和很多，頂踩勢(shì)均力敵。
頂踩數(shù)總和多，說(shuō)明參與的人多；而頂踩數(shù)伯仲相間，說(shuō)明話題辯論很劇烈，而不會(huì)是一邊倒。擁有這兩個(gè)特點(diǎn)，說(shuō)明這個(gè)辯論文章就是一個(gè)優(yōu)質(zhì)文章，能夠引起沖突的熱點(diǎn)。
這么一分析，我們會(huì)發(fā)現(xiàn)，六大算法其實(shí)是都不太適合的。我們需要實(shí)際的分析業(yè)務(wù)場(chǎng)景，然后定制出符合場(chǎng)景的熱度計(jì)算。
掌握時(shí)間衰減的度！
關(guān)于時(shí)間衰減，六大算法中的Hacker News算法首先提到。然后其他幾個(gè)基本上也都參考了時(shí)間對(duì)于熱度的影響。
通常來(lái)講，隨著時(shí)間遷移，熱度是需要下降的，不然就會(huì)出現(xiàn)馬太效應(yīng)，熱者愈熱，冷者愈冷。
關(guān)于時(shí)間衰減方式，可以各種各樣，六大算法中也提到了幾種不同的衰減方式。這不是重點(diǎn)。重點(diǎn)是，我們?cè)谠O(shè)計(jì)排名算法時(shí)，需要掌握好下降的速度，這需要結(jié)合實(shí)際的業(yè)務(wù)需求進(jìn)行調(diào)整。
我認(rèn)為新文章的冷啟動(dòng)不是一個(gè)問(wèn)題。
在最后一個(gè)算法中，即貝葉斯平均中。作者提到了如何解決一些新文章特征不夠，導(dǎo)致不公平的問(wèn)題。
在初期，設(shè)計(jì)極客頭條的最熱排行榜時(shí)，我也考慮過(guò)新文章數(shù)據(jù)少導(dǎo)致排名偏低的問(wèn)題，但仔細(xì)分析之后發(fā)現(xiàn)并不是這么回事。
所謂熱度榜，我們希望排在前頭的就是熱度高的文章，新的文章交互少，那么說(shuō)明它就是不熱，這是一個(gè)現(xiàn)實(shí)。
那么我們?cè)趺唇鉀Q這個(gè)問(wèn)題的呢？分榜，分別使用“最新榜”和“最熱榜”。最熱榜單，我只關(guān)注熱點(diǎn)，而最新則唯一依據(jù)就是時(shí)間。
這樣，我們會(huì)發(fā)現(xiàn)最新產(chǎn)生的交互數(shù)據(jù)會(huì)給最熱榜單帶來(lái)榜單排名的移動(dòng)，是一種互補(bǔ)的作用。
而關(guān)于貝葉斯平均中提到的影片分類的問(wèn)題，其實(shí)在總榜中，那種小眾的分類在總類中本來(lái)就屬于不熱數(shù)據(jù)，所以理應(yīng)讓他靠后，而不是人為把他熱度進(jìn)行提升。還有一個(gè)解決方案就是，做分類的熱度分榜。
置信區(qū)間確實(shí)能夠解決小樣本數(shù)據(jù)的問(wèn)題。
威爾遜區(qū)間算法中提到了置信區(qū)間，簡(jiǎn)單來(lái)說(shuō)就是通過(guò)樣本數(shù)的多寡來(lái)調(diào)整置信區(qū)間，而置信區(qū)間下限則參與計(jì)算。
說(shuō)白了就是樣本數(shù)小的時(shí)候，好評(píng)率更不可信，所以要適當(dāng)?shù)慕档秃迷u(píng)率影響，樣本數(shù)多的時(shí)候，數(shù)據(jù)更能反映真實(shí)，則小范圍進(jìn)行調(diào)整。
關(guān)于這一點(diǎn)，極客頭條是有改進(jìn)的空間的。不過(guò)其他幾個(gè)方面的設(shè)計(jì)倒是挺完善的了。
多維參考時(shí)，權(quán)重可以通過(guò)線性回歸計(jì)算得到。
很多時(shí)候，我們?cè)谧鰺岫扰琶麜r(shí)，會(huì)同時(shí)參考多個(gè)維度的屬性。最后得到的是一個(gè)綜合多個(gè)屬性考量的熱度值。
那么，我們?nèi)绾蝸?lái)確定每個(gè)屬性值對(duì)于熱度的影響有多大呢？換句話說(shuō)就是每個(gè)屬性帶來(lái)的權(quán)重是多少。
我們可以通過(guò)人工+統(tǒng)計(jì)的方式進(jìn)行確定。人工進(jìn)行熱度值定義，然后獲取不同維度的屬性值，那么剩下來(lái)就是已知Y，求X1、X2...的參數(shù)的線性回歸問(wèn)題了。
最后的建議：我們?cè)谠O(shè)計(jì)熱度排名算法時(shí)，不必拘泥于這六大排名算法，多考慮一下實(shí)際業(yè)務(wù)場(chǎng)景，最主要的是對(duì)當(dāng)前業(yè)務(wù)的熱度有一個(gè)比較清晰的定位，這樣才能根據(jù)實(shí)際情況進(jìn)行算法設(shè)計(jì)以及相關(guān)調(diào)整，而不是對(duì)著算法照搬照抄。
