Reddit排名算法如何能工作.docVIP

实用标准文案 精彩文档 Reddit排名算法如何工作 本文是 HYPERLINK /url?q=http://amix.dk/blog/post/19574sa=Dsntz=1usg=AFQjCNHJLMxPF_SZl6v08PqJg5QWm8LfBQ如何黑客新闻排名算法工作 的续作，研究 HYPERLINK /url?q=/sa=Dsntz=1usg=AFQjCNEbTHxQYRIVQoS9JYK2g_sDCci3sQReddit的新闻和评论排名系统如何工作。Reddit的算法非常容易理解和实现，稍后我会作进一步讲解。 本文的第一部分侧重于新闻排名，第二部分侧重于评论排名。Reddit的评论排名算法很有意思，提出这个想法的家伙是HYPERLINK /url?q=/sa=Dsntz=1usg=AFQjCNEP5CMOPB6xT9jF_FrYKKw5eBEZnwxkcd的作者——兰德尔芒罗。 深入理解新闻排名算法 Reddit是用 Python 编写的开源系统，整站代码可以自由获得（HYPERLINK /url?q=/sa=Dsntz=1usg=AFQjCNHmZTHzLq6joKpniI6-9oF_ypQ62w代码在这里）。他们的排序算法使用HYPERLINK /url?q=http://www.cosc.canterbury.ac.nz/greg.ewing/python/Pyrex/sa=Dsntz=1usg=AFQjCNHfMNWhckmKKCzPDfJ-PM9uF7khigPyrex（一种用来编写Python C扩展的语言）实现。之所以用 Pyrex 是出于效率的考虑，我已经把HYPERLINK /url?q=/browser/r2/r2/lib/db/_sorts.pyxsa=Dsntz=1usg=AFQjCNEdvNphY_-tpqsJp0J6Y0QcPoB1fw他们的Pyrex实现重写成纯Python，这样更易于阅读。 热度排名（默认新闻排名算法）是这样实现的： # Rewritten code from /r2/r2/lib/db/_sorts.pyx from datetime import datetime, timedelta from math import log epoch = datetime(1970, 1, 1) def epoch_seconds(date): Returns the number of seconds from the epoch to date. td = date - epoch return td.days * 86400 + td.seconds + (float(td.microseconds) / 1000000) def score(ups, downs): return ups - downs def hot(ups, downs, date): The hot formula. Should match the equivalent function in postgres. s = score(ups, downs) order = log(max(abs(s), 1), 10) sign = 1 if s 0 else -1 if s 0 else 0 seconds = epoch_seconds(date) - 1134028003 return round(order + sign * seconds / 45000, 7) 热度排名算法的数学描述看起来像这样（我从HYPERLINK /url?q=/blog/reddit-stumbleupon-delicious-and-hacker-news-algorithms-exposedsa=Dsntz=1usg=AFQjCNHw-gf6uLavqO1BEKkQT7upcNHpcASEOmoz的摘来的，但我怀疑他们是那本书的作者）： 提交时间的影响 新闻排名中的提交时间可作如下考虑： 提交时间对排名有很大的影响，新提交的新闻排在前面 评分不会随着时间的推移而下降，但新的新闻会得到比旧新闻更高的分数。这种方法和Hacker News不同，Hacker News的评分会随着时间的推移而下降。 “顶”和“踩”的次数相同、提交时间不同的评分情况，如图所示： 对数标度 Reddit的热度排名使用对数函数，前面的投票比后面的投票有更高的权重。大概像这样： 前10个“顶”和接下来100个“顶”拥有一样的权重，而这100个“顶”又和接下来1000个“顶”有相同的权重，依此类推…… 不使用对数标度法的情形会是这样： “踩”的影响 R