基于用户投票的排名算法（一）：Delicious和Hacker

作者： 阮一峰

日期： 2012年2月24日

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，打算分成六个部分连载，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，一方面，排名变化不够平滑，前一个小时还排名靠前的内容，往往第二个小时就一落千丈，另一方面，缺乏自动淘汰旧项目的机制，某些热门内容可能会长期占据排行榜前列。

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。





从上图可以看到，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。





从上图可以看到，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

版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）

发表日期： 2012年2月24日

更多内容： 档案 » 算法与数学

购买文集： 《如何变得有思想》

社交媒体： twitter， weibo

Feed订阅：

相关文章

2015.09.01: 理解矩阵乘法

大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。

2015.07.27: 蒙特卡罗方法入门

本文通过五个例子，介绍蒙特卡罗方法（Monte Carlo Method）。

2015.06.10: 泊松分布和指数分布：10分钟教程

大学时，我一直觉得统计学很难，还差点挂科。

2013.12.16: 朴素贝叶斯分类器的应用

生活中很多场合需要用到分类，比如新闻分类、病人分类等等。

留言（33条）

Alex 说：

后续还会写reddit吧

2012年2月24日 22:44 | ∞ | 引用

evan 说：

简单即美

这么简单的公式放在科研机构里似乎根本“不配”写出论文，但是，简单即美

2012年2月24日 23:13 | ∞ | 引用

Gower 说：

？用chrome打开网页，有警告提示如下。。

警告：此页面包含危险内容！

www.ruanyifeng.com 包含 bamosa.ru 中的内容，后一个网站是已知分发恶意软件的网站。如果您访问该网站，您的计算机可能会中毒。

Google 发现如果您继续操作，您的计算机上可能会安装恶意软件。如果您以前访问过此网站或者您信任此网站，则此网站可能刚刚受到黑客攻击。您不应继续操作，建议您明天重试或者访问其他网站。

2012年2月25日 01:27 | ∞ | 引用

刘永新 说：

支持阮老师，继续学习！

2012年2月25日 08:04 | ∞ | 引用

osirpt 说：

arc? 怎么看怎么像lisp

2012年2月25日 10:06 | ∞ | 引用

阮一峰 说：

@Gower：

我的chrome没有出现警告提示，我检查了一些网页代码，好像也没问题。

我会继续观察的。

2012年2月25日 10:30 | ∞ | 引用

sokoban 说：

“Hacker News使用Paul Graham开发的Arc语言编写，源码可以从arclanguage.org下载。”

这句话前后主语变了，光从句式上容易误解为Hacker News的源码，虽然从域名可以看出应该是Arc语言的源码。

2012年2月25日 10:53 | ∞ | 引用

sokoban 说：

难道我理解错了，但我记得Hacker News不是开源的呀。

2012年2月25日 10:57 | ∞ | 引用

sokoban 说：

引用osirpt的发言：

arc? 怎么看怎么像lisp

arclanguage.org 网站上说了, arc是lisp的一个方言。

2012年2月25日 10:59 | ∞ | 引用

Magic 说：

很好奇你的这些信息是从哪里来的。

2012年2月25日 11:20 | ∞ | 引用

Brooklyn 说：

引用Magic的发言：

很好奇你的这些信息是从哪里来的。

很早以前，国内有人讨论HN还有reddit的算法，这些算法应该是这些网站自己公布的吧，纯粹推测有难度。

2012年2月25日 15:05 | ∞ | 引用

阮一峰 说：

@Gower：

我知道怎么回事了，图床image.beekka.com的.htaccess文件被挂马了。

已经清除了。

2012年2月25日 16:23 | ∞ | 引用

imwaco 说：

重力因子 是反对票吗？

2012年2月25日 16:36 | ∞ | 引用

草榴社区 说：

网站排版看着很舒服

2012年2月25日 18:28 | ∞ | 引用

地瓜哥 说：

这个真是不错！既考虑了时间，又考虑了得票数！顶一！

2012年2月27日 17:34 | ∞ | 引用

IT阅读推荐 说：

学习了，美味书签的算法我之前也考虑过，是一个简单可行的算法；Hacker News的排名算法不知道有没有名字，真是太好了，可以调整。以前也学习过srmeme曾经的一个网站算法，非常不错，国内应该还是缺少这种应用，当然，在国内这种环境必须要严防作弊。

2012年2月28日 17:17 | ∞ | 引用

Nemo 说：

国内有没有一个类似Hacknews的网站呢

2012年3月 1日 16:59 | ∞ | 引用

jennifer.han 说：

关注中~~

2012年3月 2日 15:07 | ∞ | 引用

幽默小笑话 说：

我觉得应该做好信息的分类工作

2012年3月 4日 10:29 | ∞ | 引用

李利芬 说：

阮先生，你的文章值得一读，期待后续，支持

2012年3月 4日 11:02 | ∞ | 引用

o8 说：

dwadwa

2012年3月 4日 23:21 | ∞ | 引用

rchlz 说：

o(∩_∩)o 你的文章太简练了，太美了，比那些科研论文有价值多了.

PS：能不能分享下你的学习方式和每一篇文章背后的故事。

2012年3月 4日 23:36 | ∞ | 引用

Jing 说：

最近博主没更新文章呢，有点小担心~~

2012年3月 5日 18:54 | ∞ | 引用

amoblin 说：

看过您好多文章，今天这里问候一声～

2012年3月 6日 10:55 | ∞ | 引用

kindle.io 说：

引用Brooklyn的发言：

很早以前，国内有人讨论HN还有reddit的算法，这些算法应该是这些网站自己公布的吧，纯粹推测有难度。

以前有人在HN上问过： http://news.ycombinator.com/item?id=1781013

不过你也可以根据上面的代码中的comments搜索：

https://www.google.com/search?q=Votes+divided+by+the+age+in+hours+to+the+gravityth+power.&ie=utf-8&oe=utf-8&aq=t&rls=org.mozilla:en-US:official&client=firefox-a

会得到很多结果，比如这篇 http://amix.dk/blog/post/19574 就是阮一峰参考文献之一

2012年3月 6日 23:02 | ∞ | 引用

phplaber 说：

请问，得票数P减1怎样理解呢？

“P表示帖子的得票数，减去1是为了忽略发帖人的投票。”这句话是理解成：系统规定每个新帖票数初值为1，还是假设每个发帖人都会为自己的帖子投上一票，亦或其它理解？

2012年3月16日 09:48 | ∞ | 引用

wxianfeng 说：

Hacker News 的算法 非常不错啊~！

2012年3月20日 22:07 | ∞ | 引用

agui5208 说：

您的这篇文字，让我茅塞顿开！期待更多简洁实用的文章！

2012年9月28日 15:21 | ∞ | 引用

无名小辈 说：

纠错“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。” 按语境猜测，应该是“最直接”，楼主笔误了。不是挑刺，纯粹是个人强迫症，见不得好东西有瑕疵。

2013年1月30日 10:25 | ∞ | 引用

橘子 说：

引用Nemo的发言：

国内有没有一个类似Hacknews的网站呢

Fenng创建了一个：http://news.dbanotes.net/

2013年2月18日 09:10 | ∞ | 引用

Hang 说：

引用Nemo的发言：

国内有没有一个类似Hacknews的网站呢

试试这个 http://news.icode.hk/

2013年4月29日 21:00 | ∞ | 引用

李作刚 说：

感谢阮老师的总结。

作为一个还算大型的 BBS ，我们采用了 SF 的算法进行 『本土化改良』

2013年7月22日 11:47 | ∞ | 引用

MSC 说：

您好，看了您的文章受益匪浅，可是也产生了一个疑惑，这些算法如何在网站中具体实现，直接用SQL order 似乎不太可能，希望您能指导一下。。。。谢谢。。。

2014年9月 3日 11:18 | ∞ | 引用