基于用户投票的排名算法（三）：Stack Overflow

作者： 阮一峰

日期： 2012年3月11日

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。访问者可以对你的问题进行投票（赞成票或反对票），表示这个问题是不是有价值。



一旦有人回答了你的问题，其他人也可以对这个回答投票（赞成票或反对票）。



排名算法的作用是，找出某段时间内的热点问题，即哪些问题最被关注、得到了最多的讨论。

在Stack Overflow的页面上，每个问题前面有三个数字，分别表示问题的得分、回答的数目和该问题的浏览次数。以这些变量为基础，就可以设计算法了。



创始人之一的Jeff Atwood，曾经在几年前，公布过排名得分的计算公式。



写成php代码，就是下面这样：





各个算法变量的含义如下：

（1）Qviews（问题的浏览次数）

　　


某个问题的浏览次数越多，就代表越受关注，得分也就越高。这里使用了以10为底的对数，用意是当访问量越来越大，它对得分的影响将不断变小。

（2）Qscore（问题得分）和Qanswers（回答的数量）

　　


首先，Qscore（问题得分）= 赞成票-反对票。如果某个问题越受到好评，排名自然应该越靠前。

Qanswers表示回答的数量，代表有多少人参与这个问题。这个值越大，得分将成倍放大。这里需要注意的是，如果无人回答，Qanswers就等于0，这时Qscore再高也没用，意味着再好的问题，也必须有人回答，否则进不了热点问题排行榜。

（3）Ascores（回答得分）

　　


一般来说，"回答"比"问题"更有意义。这一项的得分越高，就代表回答的质量越高。

但是我感觉，简单加总的设计还不够全面。这里有两个问题。首先，一个正确的回答胜过一百个无用的回答，但是，简单加总会导致，1个得分为100的回答与100个得分为1的回答，总得分相同。其次，由于得分会出现负值，因此那些特别差的回答，会拉低正确回答的得分。

（4）Qage（距离问题发表的时间）和Qupdated（距离最后一个回答的时间）

　　


改写一下，可以看得更清楚：

　　


Qage和Qupdated的单位都是秒。如果一个问题的存在时间越久，或者距离上一次回答的时间越久，Qage和Qupdated的值就相应增大。

也就是说，随着时间流逝，这两个值都会越变越大，导致分母增大，因此总得分会越来越小。

（５）总结

Stack Overflow热点问题的排名，与参与度（Qviews和Qanswers）和质量（Qscore和Ascores）成正比，与时间（Qage和Qupdated）成反比。

（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3月11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（18条）

刘永新 说：

呵呵，继续来学习，第一次沙发！

2012年3月11日 15:56 | ∞ | 引用

iotioa 说：

阮兄的博客现在经常访问不了了啊，呵呵

2012年3月11日 20:17 | ∞ | 引用

小兵 说：

这个太复杂了，对于大型社区还行，一般的站点基本上不起作用，还容易被人刷票

2012年3月11日 22:51 | ∞ | 引用

自由国度 说：

stackoverflow是系统自动找出最佳回答？一看就知道没用过SF，纸上谈兵。

2012年3月12日 09:27 | ∞ | 引用

qtxie 说：

引用自由国度的发言：

stackoverflow是系统自动找出最佳回答？一看就知道没用过SF，纸上谈兵。

作者说的是“根据投票结果”，stackoverflow自动找出最佳回答，这没有问题啊。

2012年3月13日 11:11 | ∞ | 引用

sicifus 说：

引用：“但是我感觉，简单加总的设计还不够全面。这里有两个问题。首先，一个正确的回答胜过一百个无用的回答，但是，简单加总会导致，1个得分为100的回答与100个得分为1的回答，总得分相同。其次，由于得分会出现负值，因此那些特别差的回答，会拉低正确回答的得分。”

————————————————

我倒觉得它的算法是对的，

因为对于目的为“找到热点问题”的排名算法来说，

“讨论参与度”的权重大于“答案正确度”。

试想有一个争论极为激烈、参与者众多，但双方观点争锋相对、阵营势均力敌的话题，

如果在sum(Ascores)这一项里引入了负值抵扣的话，就会变得和平淡的对立话题无法区分了；

而如果引入了针对高分回答的加权，则排名的性质其实变成了受欢迎的最佳答案，而非热点问题排名。

2012年3月13日 12:07 | ∞ | 引用

ifeinano 说：

有人研究过豆瓣评论的算法吗，除了有用、没用、时间这些变量之外，貌似还有其他的因素

2012年3月13日 14:46 | ∞ | 引用

textbox 说：

最近博客的频率好小啊，博主加油啊。。。。。。

2012年3月13日 17:42 | ∞ | 引用

lusernews 说：

"一旦有人回答了你的问题，其他人也可以对这个回答投票（赞成票或反对票）。根据投票结果，系统自动找出最佳回答。"

---

不是自动找出最佳回答的，由提问人来选的。

2012年3月14日 17:40 | ∞ | 引用

阮一峰 说：

引用lusernews的发言：

不是自动找出最佳回答的，由提问人来选的。

不好意思，我没在SO上面提问过……

文章已经改过来了。

2012年3月16日 01:56 | ∞ | 引用

依云 说：

引用小兵的发言：

这个太复杂了，对于大型社区还行，一般的站点基本上不起作用，还容易被人刷票

看策略和管理了。so 的门槛不低，想刷票太难了，需要一定的积分才能投票，而且每天能投的票数很有限。而积分只有认真参与才能得到。

2012年3月16日 11:39 | ∞ | 引用

凡尘飞扬 说：

嗯，很好很有用~~值得我参考来设计互联网咨询价值算法的设计。

2012年3月31日 21:53 | ∞ | 引用

bencai 说：

引用sicifus的发言：

对于目的为“找到热点问题”的排名算法来说，

“讨论参与度”的权重大于“答案正确度”。

试想有一个争论极为激烈、参与者众多，但双方观点争锋相对、阵营势均力敌的话题，如果在sum(Ascores)这一项里引入了负值抵扣的话，就会变得和平淡的对立话题无法区分了；而如果引入了针对高分回答的加权，则排名的性质其实变成了受欢迎的最佳答案，而非热点问题排名。

这个还是得看问题展现的应用场景。如果问题的展示是希望得到更多的人参与回答，那么不需要特别针对高分回答进行加权；相反，如果问题的展示是希望给更多的人提供帮助，则需要针对高分问答进行加权。类似于 已解决问题 和 待解决问题。

2012年4月11日 14:38 | ∞ | 引用

指针 说：

公式中的4、5、2三个系数是怎么确定的？

2012年4月17日 11:37 | ∞ | 引用

米老朱 说：

引用指针的发言：

公式中的4、5、2三个系数是怎么确定的？

同问，系数是如何确定的，有没有什么方法？

2012年5月28日 10:53 | ∞ | 引用

world_wind 说：

博主，看了php代码，Qage和Qupdated的单位不是秒，应该是小时，如果是秒的话，分母就太大了。

2013年8月25日 17:40 | ∞ | 引用

宋小北 说：

希望博主对各大推荐算法的优缺点进行对比，让读者更清晰。

2014年5月30日 16:47 | ∞ | 引用

seagate 说：

引用world_wind的发言：

博主，看了php代码，Qage和Qupdated的单位不是秒，应该是小时，如果是秒的话，分母就太大了。

确实是 小时 ，/3600 .....我正纳闷呢。。。

2014年9月10日 15:39 | ∞ | 引用