SegmentFault 热门内容优化

之前 SegmentFault 的热门内容算法没有考虑到时间因素,导致热门内容更新较慢,新的热门内容排不上位,所以最近对这块做了一些改动,主要参考了阮一峰老师的关于网站热门内容排序的一系列博客:

这几篇文章对于网站热门内容的计算研究有很好的指导作用,非常值得拜读。

言归正传,来说说 SegmentFault 的热门算法。

热门文章

对于热门文章,使用了如下公式:

其中

  • views:浏览量,对浏览量做了一次去对数处理,主要是为了防止某些浏览量较大的文章异军突起,待在榜单迟迟不动。
  • recommendScore / collectScore:文章的推荐数和收藏数,直接加和到分子中,作为文章热门程度的考虑因素。
  • articleComments:文章评论数,这个也作为一个影响文章热度的因素,不过为了降低其影响,对其作了一次取对数操作,主要是考虑到评论数量的影响力并没有上面两个的高。
  • (age/2 + update/2 + 1) ^ i:分母是对时间因子的考虑,宏观上来看,就是文章热度和创建时间成反比。细节上,做成了个指数函数,可以通过对 i 变量的调控来改变时间因子在对热度的影响。
    • age:内容发布时间
    • update:内容最后更新时间(所有时间值单位均为 h/3600)
    • i:重力因子,取值的大小会直接决定热门排序(后面将介绍这点)

热门问答

对于热门问答,使用了如下公式:

热门问答的计算参考了 Stack Overflow 对于回答数量和问题得票数的处理。同时,结合我们的实际,将评论的得票数也做为一个因素加入计算。

  • Qanswers / Qscore:分别是问题的答案数量和问题的得票数
  • anwserScores / commentSocres:分别是该问题下所有答案的总得票数和所有评论的总得票数
  • update:该问题下答案的最新更新时间

其余的变量含义和文章算法相同。

日/周/月热门如何区别?

首先要明确各类不同热门内容的目的。

  • 日热门的主要目的就是突出最近一天内的热门内容,更方便于内容被大家看到,文章快速地形成讨论、受关注的问题尽快得到解决;
  • 周热门的主要目的很明确,就是突出过去一周内的热门内容,同时,给新产生的优秀内容机会,让其有机会进入热门列表;
  • 月热门同周热门目的一样,但更需要给新内容进入列表的机会,以让内容经常更新。

所以,该怎么做呢?

对于同一内容,上面的计算公式均可化简为

可以看出,其热度和创建时间成反比,那么这个反比的值最终就由重力因子 i 来影响。

日热门为了突出新热内容、过滤时间过久的热门内容,需要增大重力因子,尽可能排除 24 小时之外的热门内容;周热门和月热门则需要按时间要求依次逐渐降小 i 值。

关于指数 i 值的选定,采取了估算:绘制出一定范围内时间和文章热度的指数函数的图,然后根据需求挑选满足自己条件的指数值。如下图

多次估值测试,最终分别将日、周、月的 i 值选取为 1.0、0.5、0.3。

总结

开始修改热门算法的时候,并没有收到计算周热门、月热门的需求,所以直接很暴力的将时间因子加入进去,这样的确能够满足需求,可以保证热门的内容随着时间的推移保持更新,而不会出现之前的某几篇文章的热度一直保持恒定,稳居榜首。

后来需要计算区间内的热门内容时,仍然使用开始的方案,因为时间因子的关系,会导致区间内的热门内容受时间的影响太大,出现的问题就是周热门、月热门榜首的内容依然是最新产生的内容占比重较多,所以才考虑对分母的时间因子做了动态调节的方案,也就是将分母的指数根据计算不同的区间,给出不同的值(但未找到更合适的取值方法,只能多次估值)。

我们目前的算法仍有需要完善之处,重力因子 i 的取值依旧是难点,大家如果有更好的方法,欢迎讨论。

转载:https://segmentfault.com/a/1190000004253816

发表评论

电子邮件地址不会被公开。 必填项已用*标注