计算内容热度的算法解释

什么样的一个内容是热门的呢？这其实是一个相对的概念，面对不同的需求，它的表达是不同的。

其中：

• ：内容质量的数值表达，例如一篇文章质量可以定义成文章的点赞数，也可以根据产品需要定义为其他
• ：新内容的初始质量，具体含义后续解释中会理解
• ：重力 Gravity，或者说是一个内容变得不再热门的速度，重力越大，一个内容刷新的就越快
• ：时间

可以看到热度 在这样的公式中有 4 个变量即 ，此公式与 Hacker News、Reddit 相同，只是定义内容质量 时用的逻辑不一样。

1）热度 与时间 的关系

首先，我们看一个比较简单的关系，就是热度与时间的关系：

• ：100
• ：10
• ：1.5
• ：时间

很清楚，时间越大，热度越低。

2）热度 与初始质量 、时间 的关系

• ：0
• ：[2, 4, 6]
• ：1.5
• ：时间

我们能够看到，对于不同的初始质量 ，内容的初始热度是不同的，在后续的时间衰减中，如果其他数值不变，那么初始质量越高则内容热度越大。

3）热度 与初始质量 、重力 、时间 的关系

• ：0
• ：[2, 4, 6]
• ：[1.5, 1.2, 1.8]
• ：时间

面对不同的重力，即使初始质量高，重力大时其热度衰减很快。

4）热度 与质量 、初始质量 、重力 、时间 的关系

• ：[90, 190, 90]
• ：10
• ：[1.5, 1.5, 1.8]
• ：时间

我们看到三个交点：

• ： ， 与 的交点

解释：一个内容质量 90 的内容，在 交点，即约 3.64 单位时间之后其热度低于一个全新的初始热度为 10 的内容。

• ： ， 与 的交点
• ： ， 与 的交点

解释：一个内容质量 190 的内容，在 6.36 单位时间之后，其热度低于任意新内容。而一个内容质量为 90 的内容，如果重力为 1.8，那么仅在 2.59 单位时间后其热度低于任意新内容。

我们可以看到如下结论：

1. 初始质量 越高，老内容的热度更快的被最新生产的内容超越
2. 一个内容的质量 越高，此内容热度高于新内容的时间越长
3. 重力 越高，内容热度衰减越快，老内容的热度更快被新生产的内容超越

因此，在确定的初始质量 及重力 下，一个内容可以获得的 决定了其热度及被新内容超越的时间。

5）质量数值 与时间 线性正相关的假设

假设一个内容质量的数值表达与时间正相关，例如我们用一个文章的点赞量表达其质量，那么在一个限定的时间里，其时间越长，点赞量越高：

而 代表了一个新内容获得质量 的速度，也就是一个新内容获得点赞的速度，那么

• ：
• ：10
• ：1.5
• ：时间

其中我们测试了三个 分别是：20、25、30

我们看到三个交点：

• ： 与 的交点
• ： 与 的交点
• ： 与 的交点

解释： 越大，说明单位时间里一个内容可以获得的质量越高，也就是说明这个内容本身更受欢迎。对于交点 来讲，此内容在 1.62 个单位时间后，即使保持着 增长质量的速度，依然会被一个新内容的热度超越。而从 交点可以看到，如果其 增长速度为 ，那么在 6.46 个单位时间后才会被新内容的热度超越。

6）质量数值 与时间 对数正相关的假设

当然上面的假设有一个问题是，一个文章的质量表达很难和时间长期正相关，也就是说，文章存在时间越长，往往后续获得的点赞会降低。因此，我们可以假设 与 是对数相关的关系：

• ：获得点赞的速度
• ：随着时间迁移，获得点赞速度开始衰减的系数

我们看到三个交点：

• ： 与 的交点
• ： 与 的交点
• ： 与 的交点

解释：对比 与 我们可以看到，因为质量数值的增长随着时间变少，因而 内容更快地被新内容超越。

内容热度在掘金里的使用

• ：即一个内容的热度 rankIndexArticle
• ：即一个内容的 hotIndexArticle 是一个文章阅读数、评论数、点赞数加权求和的数值
• ：即一个内容初始的数值 rankIndexUser 是文章作者的影响因子
  • 影响因子与作者本身的历史掘力值相关
• ：一个衰减的重力参数
• ：文章自发布以来的时长

作为掘金社区，我们希望将更多好内容带给读者，从数值上，我们希望总和的 变高，同时平衡其与 之间的关系，即新内容获得的流量，与一个好内容获得流量之间交点的时间长度。

• ：一篇文章本身的质量表达，多快获得点赞、获得阅读，即点击率、点赞率
• ：点赞率、点击率随着文章存在时间是否会衰减，衰减得多块

说人话：一个获得了 1000 个点赞、10000 个阅读、100 个评论的内容，在计算规则下什么情况会被一篇新文章的热度超越。而整个社区的热度计算，是一个动态优化的问题。