用户投票算法随手记
【随手记。 请点进原文看。。。。原文写的好好啊好好的
】
前四篇与发布时间有关：
（1）基于用户投票的排名算法（一）：Delicious和Hacker News
http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html
前者通过没60min更新一次最近被收藏的数目，以此来排名。
在 被收藏数目（得票数目）的基础上加入了帖子的发帖时间，已解决Delicious不能让新帖子浮上来的问题。score = （ P- 1） / （T +２）＾Ｇ 首先它排除了发帖人的票数，然后，它的时间因素考虑到了帖子刚刚发···而导致分母过小的问题（＋了一个平均时间）。还考虑了时间导致的帖子的分衰减速度问题：重力因子Ｇ。
（2）reddit： 在 赞成 的 基础上，引入了 反对 。
考虑了：
帖子的发帖时间： ｔ ＝ 发帖时间 － 某个固定值。 （帖子越早发，这个值越小）
赞成与反对的差值：
投票方向 １：赞成多 ， ０：一样多， －１：反对票多。
帖子的受肯定程度 （否定程度） ｚ 。是个底数为１０的对数形式的，说明帖子越往后 如果突然有一部分人投一样的票 就不会很会受影响了。
（3） stackof overflow ：不光考虑到了 赞成 和 反对 两个因素。还考虑到了帖子被浏览的次数，被回答的次数，问题得分，回答得分，发帖时间，最后一个回答的时间 等。【帖子本身质量、用户参与度、时间】
（4）把牛顿冷
却定律 Newton‘s law of cooling 应用到排名貌似很cool ： http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_newton_s_law_of_cooling.html
定律内容： 物体的冷却速度与 它当前的温度和室内温度的差值 成正比。
后（5）
与时间无关： http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_wilson_score_interval.html
不是简单的用 好评数 - 差评数， 或 好评率 来评判某个帖子是否热门。 引入了 置信区间 。又由于 置信区间不能很好的解决 小样本 的问题，又提到了 威尔逊 区间。
贝叶斯平均法： http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_bayesian_average.html
IDMB采用的方法。
它借鉴了"贝叶斯推断"（Bayesian inference）的思想：既然不知道投票结果，那就先估计一个值，然后不断用新的信息修正，使得它越来越接近正确的值。
它可以解决 被关注比较少的帖子 排名不公平的问题。。。因为 这类型的帖子 使用上述置信区间的话，由于样本比较少，置信区间的跨度都比较大，下限也大，所以采用上面（5）的方法的话，最后结果不怎么对它有利