我烧网的热文排序算法也不会对外公布

　　我烧网的热文排序算法也不会对外公布

　　就像谷歌不会公布其搜索排名算法一样，大多数公司也不会公开公布排名算法。因为这个算法一旦公布，总会有人做SPAM。同样的，我的热点文章排序算法也不会对外公布，我们只是给用户提供一些基本的原理。这个算法被我们命名为SmartHot，是2009年底我烧网修改的时候设计的。现在已经一年多了。这期间，我们对算法做了几次改进和调整，也正因为如此，才有机会分享一下当时的一些设计思路。希望通过对这个算法的生成过程的介绍，希望对更多的网站和程序员有所启发。也希望大家积极参与学习，共同进步。

　　 是一个基于博客内容聚合的阅读社区。和其他内容聚合网站一样，内容量巨大，所以内容抽取尤为重要。在改版之前，我们一直都是手动推荐内容，但是手动方式有两个缺点：一是人工成本太高，二是推荐的内容经常被编辑喜欢，但不一定被用户喜欢。在这次改版中，我们希望通过众包的方式，让用户为用户推荐内容，从而节省团队的人力成本，同时能够真正推荐用户喜欢的内容，让用户互动更加活跃。这个推荐列表是我后来在网上烧的热帖。从访问量统计来看，热点页面的PV也远高于其他页面。热文本的背后，是由这个SmartHot算法支持的。

　　在提出开发一套文章排序算法之前，我们首先对这次改版做了一个计划。整个计划有一个中心思想，就是让更多的用户参与到网站，通过用户的参与提高网站内容的质量，然后将优质的内容反馈给用户。 SmartHot 必须服务于这个中心思想。后来实践证明，在这套算法的支持下，我烧网实现了飞速发展，最终的主要影响有三点：一是更多用户参与社区活动，二是内容质量大幅提升。三是节省大量人工成本，带来比人工更好的效果。在这个中心思想的指导下，整个团队开始思考热点文章排序算法。

　　提出问题

　　首先，用户推荐行为的基础是不允许用户推荐，因为用户贡献过多会让网站失去活力。更明智的做法应该是根据用户的各种单一操作，通过数据挖掘，找到最推荐的文章。这已经被提炼成一个数据挖掘问题——通过对用户行为数据的挖掘，找到一个好的文章然后推荐给所有用户。面对此类问题，团队提出了多种解决方案。最简单最常规的当然是按文章浏览量排序。但是，无数的经验证明，这并不是一个合理的算法。浏览量的高低只能代表访问者被标题、图片等吸引的程度，如果想知道文章用户的真实感受，就得用天柴号（我烧网的用户快递他们对文章添柴的爱）来分类。但是，观看次数和添加的柴火数都是累积数。最终，马太效应不可避免地会出现严重的问题，使得第一个文章总是排在第一位，而新的文章无法进入顶部。这时，将两者结合的想法出现了。

　　我们以添加的柴火数为前向参数，以浏览次数为后向参数。如果一个文章被用户浏览100次，用户加柴10次，会被计为0.1分（10/100=0.1）。这意味着数字越大的views，最终的排名分数越低！这是一个非常突破性的想法，因为我们知道很多同行都将pageviews作为文章排名的正参数。问题似乎解决了，但新的问题也出现了：大多数用户就是做不到。也就是说，很多用户即使认为文章很好也懒得加柴，这必然导致很多好的文章失去排名第一的机会大量的浏览量。经过考虑，我们最终决定放弃页面浏览量的基础——文章分数是基于额外的柴火数。

　　在我的烧网中，对文章的其他操作，如评论、分享，也与添加chai类似，并给予一定的分数，以纳入文章的分数。当然，单独按分数排序是不合理的，这和直接按柴数排序的结果是一样的。为了保证用户喜欢的新文章总能排在用户也喜欢的老文章之前，我们必须引入一个时间参数，该参数由用户操作的得分和发布时间决定文章 一起决定文章 的排名值。计时数（包括其他用户操作）为正参数，文章release time 为反向参数，最终排序值与文章score成正比，与release时间成反比。于是另一个重要的原则出现了——文章排名值随着时间的推移而衰减。

　　分析到这里，团队中的每个人都欣喜若狂：我们知道算法即将完成。但是一个尖锐的矛盾让我们回到了现实：文章score 很容易作弊。如果一个人在文章一篇文章中不断加柴，包括换很多马甲，他可以直接得到很多积分。我们可以限制用户连续加柴的次数，但不能限制用户可以注册的马甲数量。于是，出现了一个关于用户权重-用户系数的参数。用户系数与级别有关，级别越高，用户权限

　　权重越高，新注册用户的权重越低。基本思路产生之后，问题就很清楚了。下一步就是根据这些问题确定每个目标，然后解决问题。

　　确定目标

　　根据前面的分析，可以确定以下目标。

　　1. 为每个用户操作设置唯一的分数。

　　2. 设置时间衰减率。

　　3. 建立用户系数模型，使用户权重随级别变化。

　　4. 设计一个用户评分系统。

　　1