基于用戶投票的排名算法（二）：Reddit

        上一次，我介紹了 Hacker News 的排名算法。它的特點是用戶只能投贊成票，但是很多網站還允許用戶投反對票。就是說，除了好評以外，你還可以給某篇文章差評。

        Reddit 是美國最大的網上社區，它的每個帖子前面都有向上和向下的箭頭，分別表示"贊成"和"反對"。用戶點擊進行投票，Reddit 根據投票結果，計算出最新的"熱點文章排行榜"。

        怎樣才能將贊成票和反對票結合起來，計算出一段時間內最受歡迎的文章呢？如果文章A有 100 張贊成票、5張反對票，文章B有 1000 張贊成票、950張反對票，誰應該排在前面呢？

        Reddit 的程序是開源的，使用 Python 語言編寫。排名算法的代碼大致如下：

        這段代碼考慮了這樣幾個因素：

        （1）帖子的新舊程度t

t = 發貼時間 - 2005 年 12 月 8 日7:46:43

</blockquote>

        t 的單位為秒，用 unix 時間戳計算。不難看出，一旦帖子發表，t就是固定值，不會隨時間改變，而且帖子越新，t值越大。至于 2005 年 12 月 8 日，應該是 Reddit 成立的時間。

        （2）贊成票與反對票的差x

x = 贊成票 - 反對票

</blockquote>

        （3）投票方向y

        y 是一個符號變量，表示對文章的總體看法。如果贊成票居多，y就是 +1；如果反對票居多，y就是-1；如果贊成票和反對票相等，y就是0。

        （4）帖子的受肯定程度z

        z 表示贊成票超過反對票的數量。如果贊成票少于或等于反對票，那么z就等于1。

        結合以上幾個變量，Reddit 的最終得分計算公式如下：

        這個公式可以分成兩個部分來討論：

        （一）

        這個部分表示，贊成票超過反對票的數量越多，得分越高。

        需要注意的是，這里用的是以 10 為底的對數，意味著z=10可以得到 1 分，z=100可以得到 2 分。也就是說，前 10 個投票人與后 90 個投票人（乃至再后面 900 個投票人）的權重是一樣的，即如果一個帖子特別受到歡迎，那么越到后面投贊成票，對得分越不會產生影響。

        當反對票超過或等于贊成票，z=1，因此這個部分等于0，也就是不產生得分。

        （二）

        這個部分表示，t越大，得分越高，即新帖子的得分會高于老帖子。它起到自動將老帖子的排名往下拉的作用。

        分母的 45000 秒，等于 12.5 個小時，也就是說，后一天的帖子會比前一天的帖子多得 2 分。結合前一部分，可以得到結論，如果前一天的帖子在第二天還想保持原先的排名，在這一天里面，它得到的凈贊成票必須增加 100 倍。

        y 的作用是用來產生正分和負分。當贊成票超過反對票時，得分為正；當贊成票少于反對票時，得分為負；當兩者相等，得分為0。這就保證了得到大量凈贊成票的文章，會排在前列；得到大量凈反對票的文章，會排在最后。

        （三）

        這種算法的一個問題是，對于那些有爭議的文章（贊成票和反對票非常接近），它們不可能排到前列。假定同一時間有兩個帖子發表，文章A有 1 張贊成票（發帖人投的）、0張反對票，文章B有 1000 張贊成票、1000張反對票，那么A的排名會高于B，這顯然不合理。

        結論就是，Reddit 的排名，基本上由發帖時間決定，超級受歡迎的文章會排在最前面，一般性受歡迎的文章、有爭議的文章都不會很靠前。這決定了 Reddit 是一個符合大眾口味的社區，不是一個很激進、可以展示少數派想法的地方。

        [參考資料]

        * How Reddit ranking algorithms work

來自: 阮一峰的網絡日志