Hacker News的排名算法

曾经终败给现在 2022-07-13 05:42 202阅读 0赞

从dbanotes.net的startup news知道了hacker news，关注了一段时间，发现排名确实能反映绝大多数用户的喜好，并且也不至于让比较热的文章永远出现在前列，而导致没有新的内容被关注。因此对其算法比较好奇，在网络上搜索了一下，看到实际的算法，有点不敢相信，整个系统只需要依赖这样一个简单的算法，不需要任何人工干预（也许链接是否发布出来需要审核）。hacker news的原理很简单，任何人都可以提交链接到网站首页，然后大家可以阅读其他人提交的链接，当发现该链接对自己有意义或者非常好时可以点击一个类似赞的按钮，给该文章投上一票。最终首页上会按照文章的票数多少和发布时间对文章进行热度排序。

整个算法就是基于下面这个表达式：

r=(P – 1) / (t + 2)^1.8

P是得票数，t是时间，天为单位。因此时间越短得票数越多的文章排名靠前，得票数一定，随着时间的增加，文章的排名也会慢慢降低。

已经有人画出了不同的P值对应的r与t的函数曲线图：

![bg2012022405][]

参考链接：[基于用户投票的排名算法（一）：Delicious和Hacker News][Delicious_Hacker News]

\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#

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。

![bg2012022401.jpg][]

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。

![bg2012022402.png][]

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。

![bg2012022403.png][]

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][Link 1]实现的：

[![bg2012022404.png][]][Link 1]

将上面的代码还原为数学公式：

![chart_cht_tx_chl_Score_3D_5Cfrac_7BP-1_7D_7B_28T_2B2_29_5E_7BG_7D_7D_chs_60][]

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。

[![bg2012022405.png][]][bg2012022405.png 1]

从[上图][bg2012022405.png 1]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。

[![bg2012022406.png][]][bg2012022406.png 1]

从[上图][bg2012022406.png 1]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][]

[bg2012022405]: http://shentar.qiniudn.com/wp-content/uploads/2013/10/bg20120224051.png
[Delicious_Hacker News]: http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html
[bg2012022401.jpg]: http://image.beekka.com/blog/201202/bg2012022401.jpg
[Delicious]: http://www.google.com/url?sa=D&q=http://del.icio.us/&usg=AFQjCNFp5KllThyYtlA74rqSRKdqRtAjxw
[bg2012022402.png]: http://image.beekka.com/blog/201202/bg2012022402.png
[Hacker News]: http://news.ycombinator.com/
[bg2012022403.png]: http://image.beekka.com/blog/201202/bg2012022403.png
[arclanguage.org]: http://arclanguage.org/
[Link 1]: http://pastebin.com/ZF57qQPi
[bg2012022404.png]: http://image.beekka.com/blog/201202/bg2012022404.png
[chart_cht_tx_chl_Score_3D_5Cfrac_7BP-1_7D_7B_28T_2B2_29_5E_7BG_7D_7D_chs_60]: http://chart.googleapis.com/chart?cht=tx&chl=Score%3D%5Cfrac%7BP-1%7D%7B%28T%2B2%29%5E%7BG%7D%7D&chs=60
[bg2012022405.png]: http://image.beekka.com/blog/201202/bg2012022405.png
[bg2012022405.png 1]: http://www.wolframalpha.com/input/?i=plot%28+%2830+-+1%29+%2F+%28t+%2B+2%29%5E1.8%2C++%2860+-+1%29+%2F+%28t+%2B+2%29%5E1.8%2C+%28200+-+1%29+%2F+%28t+%2B+2%29%5E1.8+%29+where+t%3D0..24
[bg2012022406.png]: http://image.beekka.com/blog/201202/bg2012022406.png
[bg2012022406.png 1]: http://www.wolframalpha.com/input/?i=plot%28+%28p+-+1%29+%2F+%28t+%2B+2%29%5E2.0%2C++%28p+-+1%29+%2F+%28t+%2B+2%29%5E1.8%2C+%28p+-+1%29+%2F+%28t+%2B+2%29%5E1.5+%29+where+t%3D0..24%2C+p%3D10
[How Hacker News ranking algorithm works]: http://amix.dk/blog/post/19574
[How to Build a Popularity Algorithm You can be Proud of]: http://blog.linkibol.com/2010/05/07/how-to-build-a-popularity-algorithm-you-can-be-proud-of/