网站内容热点排序算法

通用排序

1. 单位时间内的交互数，
2. 总交互数，总点赞数
3. 评论数加权
4. 按时间排序
   

1. 可以利用redis来做，利用sortedSet(优先队列)来存储，后台开启一个线程一直来做这件事。
   
2. 笨方法存到数据库搞

例子

Hacker News

Score=(P−1)÷(T+2)G S c o r e = ( P − 1 ) ÷ ( T + 2 ) G

- P；投票数，-1是把自己过滤掉
- T：发布时间间隔，单位小时，+2防止除数太小
- G：重力加速度，分值根据时间降低速率。

Reddit

t=A−B t = A − B

t为时间差，即当前时间与某一个时间之间的差值。
$$
x = U - D

z =

{|x|,1,if |x| \geq 1if x < 0 { | x | , if |x| \geq 1 1 , if x < 0

y =

⎧⎩⎨1,0,−1,if x > 0if x = 0if x < 0 { 1 , if x > 0 0 , if x = 0 − 1 , if x < 0

$$

x为帖子的赞与踩之差

f(t,y,z)=logz10+yt45000 f ( t , y , z ) = l o g 10 z + y t 45000

StackOverflow

- Qviews：问题浏览数，通过log来平滑
- Qanswer：问题回答数，有回答的题目才是好问题
- Qscore：问题赞踩差，赞的越多，问题越好
- sum（Ascores）：回答赞踩差，回答的越多问题越好
- QageInHours：题目发布时间差，时间越久排名越后
- Qupdated：最新的回答时间，越新关注度越高

IMDB

(WR)=(v÷(v+m))×R+(m÷(v+m))×C ( W R ) = ( v ÷ ( v + m ) ) × R + ( m ÷ ( v + m ) ) × C

- R = 该电影的投票平均分
- v = 有效投票人数
- m = 最低投票人数，1250
- c = 所有电影的平均值

投票人数越多，越偏向于用户打分值，防止冷门电影小人数高分导致的高分

TopCoder

每个选手有排名的字段，每次比赛前先算出该比赛的平均排名，如果排名很高，说明这次比赛选手都很厉害，比赛质量也就很高，那么比赛的因子就很高，该因子影响比赛只有的rating。
同时还要根据选手的以往的结果预估选手这次的比赛结果。该预测值决定你的这次rating的波动。可以类比一下LOL的排位赛，存在跳段的想象，因为它参考了你以往的比赛，即使你输了，会参考你以往的表现来决定本次降低的分数。

来源

来自牛客网学习资料。