最近我正在研究 Reddit 的算法，用于确定是什么使帖子成为“热门”主题以及哪些内容适合 reddit 主页。
我正在阅读的文章在这里： http ://amix.dk/blog/post/19588
我注意到他们有数学逻辑并创建了某种数学函数来确定帖子的热度/相关性。
在使用的公式中，每个数学成分来自哪里以及它们如何知道使用它们？
谢谢你！
——巴克兹
编辑：澄清一下，我刚刚高中毕业，如果这个问题的答案似乎很明显，我深表歉意。再次感谢！
2465 次
2 回答
22
我将解决第一个公式，即帖子的“热度”。像这样的公式来自需求。Reddit 的设计师已经考虑过他们想要实现的目标，并相应地设计了公式。我不能确切地告诉你他们的想法是什么，但我可以看一下实现并猜测他们想要一个这样的系统：
除非票数发生变化，否则不需要重新计算分数。这减少了对数据库的更改次数，并且在复制数据时更容易实现一致性。（因此，任何基于随着文章年龄而降低分数的评分系统都不好）。
如果两个故事的历史相同，那么点数更多的故事应该更高。（因此需要从选票中做出贡献。）
故事获得的支持越多，它应该在排名靠前的时间越长。
老故事不应该永远保持在排行榜的首位，即使他们有很多赞成票。很快（一两天后），新故事的排名需要超过它们。（因此，从日期开始就需要做出贡献，并且由于投票很快就会超过分数，无论某事获得了多少票。）
反对票多于赞成票的故事根本不应该出现在排名中。
现在让我们看一下公式：log z + yt / 45000，看看它是如何满足这些要求的。
如果投票数不变，则z、y和t都不变。所以分数不变。这满足要求（1）。
如果两个故事的年龄相同，则它们的t值相同。但是赞成票多的人的z值更高，并且由于 log 是单调的，因此它的得分更高。这满足要求（2）。
一个故事的投票越多，它的z就越高，所以它会越长，直到另一个具有更高t的故事能够超越它。这满足要求（3）。
对数是一个随着它变大而增长更慢的函数（看看它的图表）。因此，随着时间的推移，一个故事需要越来越多的支持，以跟上更新的故事。这满足要求（4）。
如果故事的反对票多于赞成票，则z = 1 且y = -1，因此得分为负数。这满足要求（5）。
常数 45,000 是一个比例因子，它使赞成票和年龄达到平衡。一天有 86,400 秒，因此t每天都会增加这个量。将t除以45,000 得到 1.92，这意味着一天的相对新鲜度是 10 1.92 = 83 票，两天的相对新鲜度大约值 7,000 票。
于 2011-07-03T23:13:49.177 回答
2
他们不是来自任何地方。对他们来说没有绝对的真理，也没有什么可以证明的。这只是一种以开发团队认为最明智的方式量化属性的方法。
当您希望某些因素成为一个不太重要的因素时，您会使用 log（因为较大的值确实会增长，尽管非常缓慢）。但出于同样的原因，他们本可以选择立方根。
这些公式只是代表那些我们可以假定的那些因素，这些因素在特征上属于“热”的东西，并且它们的组合方式是以适当的比例考虑每个因素（例如，我们将平方那些非常重要的值，并记录那些不太重要的值）。
一旦他们想出了公式，他们可能会想出 10 或 15 种不同类型的帖子，并将数字插入，发现这在所有方面都很有意义，所以坚持下去。事实上，最初的几次尝试可能并没有那么好，在稍微摆弄一下数字之后就得出了这个公式。
于 2011-07-03T23:04:56.263 回答