Reddit的评论排序新算法.docVIP

Reddit的评论排序新算法 #?Voldemort投递：这篇翻译自Redditblog，除了投稿之外我更希望煎蛋能够采用这个算法。解决长久以来文章置顶评论基本上被前十楼占领的问题。Reddit置顶评论的质量可以说是我见过的网站中最高的，原因就在于Reddit的帖子和评论的排序算法一直以来都是业界领先。这个算法是xkcd的作者Randall神牛推荐给Reddit的，我的观察是效果相当出众。 其实算法极其简单，就是把原来排序的公式(JavaScript为例) score = oo - xx; 改成一个稍微复杂点的公式 n = oo + xx;if (n==0) {score = 0;}else {z = 1.96;phat = oo / n;score = (phat + z*z/(2*n) - z * Math.sqrt((phat*(1-phat)+z*z/(4*n))/n))/(1+z*z/n);} 嗨！我是xkcd的作者Randall，今天来为大家解释下Reddit的新的评论排序系统。这个系统是我当时极力推荐的。 一般呢，我会给我的博客文章配些手绘图，但是今天这篇文章内容没什么图可配，所以可能会混进些乱七八糟的东西，你们凑合看吧~ Reddit现在采用了一个新的算法：“Best”排序(之前有Top/Hot/New/Controversial/Old)。注意这个算法仅仅用在评论排序中，没有用在文章排序中。Davean(xkcd系统管理员)之前写过一个补丁，试用了这个新算法大概一周。今天早上，它正式成为了我们评论区的默认排序方法。 本人认为这个算法相当给力。其实大多数人都不会注意到有什么变化，它并不影响评论层级等其它东西，但是会极大改善置顶(最高oo)评论的质量。 算法的具体细节可以猛击这篇来自Evan Miller的文章。作者认为常见的根据投票来排序的体系都存在各自的问题，他解释了算法的具体细节并给出了例子。如果你想看看新系统在Reddit中运用的实战效果可以直达本文最后附上的截图。但是广大geek们可能更想知道新算法究竟为什么能改善Reddit评论质量。 Reddit评论排序一个最严重的问题是极其偏袒比较早发表的评论。如果有人在文章发布一小时内回复一个很一般的吐槽，只要这个吐槽有那么一点点好笑，这条评论将一定会被顶为最佳评论。顺便说下之所以我很了解这个现象，是因为我有一堆Reddit马甲，我用它们发过无数不是很好笑的吐槽。这是因为一旦一个评论在文章刚刚发表的时候得到一些oo，它会被顶到最上面。而评论排名越前，它被后来的网友读到的概率就越大，所以会形成一个良性循环从而锁定了这评论置顶的位置。而文章发表一小时后的优秀评论，就算读过它们的网友中给oo的比例远远高出置顶评论，也很难撼动置顶评论的地位。 每隔一段时间总有些帖子的话题是类似于“你最喜欢的笑话/最有用的建议/最尴尬的秘密/最古怪的癖好”等等。几周前，我找了一个这样的帖子。当时这个帖子刚发表8个多小时。我数了数排在最上面的10条评论，不是“发表于7小时前”就是“发表于8小时前”，也就是说它们都发表于的帖子诞生后的两个小时内。所谓“置顶”评论实际上已经成了一个“一小时速回笑话排行榜”。在之后的六个小时之中没有一个评论能挤进排行榜。要知道这个时间段才是评论发表的高峰期。 这些后发表的评论完全没有竞争的机会。随着帖子慢慢被刷出首页，之后评论的票数就不怎么增长了。或许后来的网友中有人会碰巧看到，给个oo，但是这并不会帮助它们追上置顶评论。一个典型的例子，就是有时候你会看到有人特意回复置顶评论“抱歉挤进您的评论，但是我要链接一个重要确凿的事实来驳斥楼主的观点”。因为他们知道，无论他们提供的信息有多宝贵，也成为不了置顶评论。 管理员们试图通过一种拙劣的hack来解决这个问题：“hot”排序(给评论加上时间限制，一段时间后原有置顶评论会被撤销置顶)。但是这个排序会不分青红皂白地把真正优秀的评论也踢下去。而且文章发表一两天后，评论区的排序会完全一片混乱。 有一个解决方案，这就是新的“Best”排序。大概思路是这样的，当有少量的人给一条评论投票后，我们对这条评论的质量会有一个大概的印象。评论的人越多，我们就越能精确地评价这条评论最终的正确排名。通过这个算法，我们把这种“精确程度”进行量化，从有限的投票中尽可能的推测出评论的真实质量。 对某一条评论来说，如果每个人都能看到它，并且给它投票，它最终会得到一定比例的oo和xx。新算法把已经投出的oo和xx看作是所有可能投出的oo/xx的统计抽样，并计算得到95%置信区间。我们第一步对这些区间进行排名，这个暂时排名比较的是这些评论最终排名100在一百次统计中95次可能落在的区间。 如果一条评论得到了1个oo和0个xx，那它的优评比