背景
最近在做评论排序的需求，之前都是根据评论的点赞数来倒排。但是用的好多其它的app并不是如此简单的排序方法，所以本次决定好好研究一下，就有了这几篇
文章的转载。本文转载于阮一峰的网路日志
正文
互联网的出现，意味着"信息大爆炸"。
用户担忧的，不再是信息太少，而是信息太多。如何从大量信息之中，快速有效地找出最重要的内容，成了互联网的一大核心问题。
各种各样的排行算法，是目前过滤信息的主要手段之一。对信息进行排行，意味着将信息根据重要性依次排列，并且及时进行更新。排列的根据，可以基于信息本身的特点，也可以基于用户的投票，即让用户决定，什么样的信息可以排在第一位。
下面快手热门算法，我将整理和剖析一些基于用户投票的排行算法，打算分成六个部份连载，今天是第一篇。
一、Delicious
最直觉、最简单的算法，莫过于根据单位时间内用户的投票数进行排行。得票最多的项目，自然就排在第一位。
旧版的Delicious，有一个"热门书签排行榜"，就是这样统计下来的。
它根据"过去60分钟内被收藏的次数"进行排行。每过60分钟，就统计一次。
这个算法的优点是比较简单、容易布署、内容更新相当快；缺点是，一方面，排名变化不够平滑，前一个小时还排行靠前的内容，往往第二个小时就一落千丈，另一方面，缺乏手动淘汰旧项目的机制，某些热门内容可能会常年抢占排行榜前列。
二、Hacker News
Hacker News是一个网络社区，可以张贴链接，或者讨论某个主题。
每个贴子上面有一个向下的三角形，如果你认为这个内容挺好，就点击一下，投上一票。根据得票数，系统手动统计出热门文章排行榜。但是，并非得票最多的文章排在第一位，还要考虑时间诱因，新文章应当比旧文章更容易得到好的排行。
Hacker News使用Paul Graham开发的Arc语言编撰，源码可以从arclanguage.org下载。它的排行算法是这样实现的：
将里面的代码还原为物理公式：
其中，
P表示贴子的得票数，减去1是为了忽视发贴人的投票。
T表示距离回帖的时间（单位为小时），加上2是为了避免最新的贴子造成分母过小（之所以选择2，可能是因为从原始文章出现在其他网站，到转贴至Hacker News，平均须要两个小时）。
G表示"重力因子"（gravityth power），即将贴子排行往下拉的力量，默认值为1.8，后文会详尽讨论这个值。
从这个公式来看，决定贴子排行有三个诱因：
第一个诱因是得票数P。
在其他条件不变的情况下，得票越多，排名越高。
从上图可以见到，有三个同时发表的贴子，得票分别为200票、60票和30票（减1后为199、59和29），分别以蓝色、紫色和红色表示。在任一个时间点上，都是红色曲线在最上方，蓝色曲线在最下方。
如果你不想让"高票贴子"与"低票贴子"的差别过大，可以在得票数上加一个大于1的指数，比如(P-1)^0.8。
第二个诱因是距离回帖的时间T。
在其他条件不变的情况下，越是新发表的贴子，排名越高。或者说，一个贴子的排行，会随着时间不断增长。
从前一张图可以看见，经过24小时以后，所有贴子的得分基本上都大于1，这意味着它们都将跌到排行榜的末尾，保证了排行前列的都将是较新的内容。
第三个诱因是重力因子G。
它的数值大小决定了排行随时间增长的速率。
从上图可以看见，三根曲线的其他参数都一样，G的值分别为1.5、1.8和2.0。G值越大，曲线越险峻，排名增长得越快，意味着排行榜的更新速率越快。
知道了算法的构成快手热门算法，就可以调整参数的值，以适用你自己的应用程序。
[参考文献]
*How Hacker News ranking algorithm works
*How to Build a Popularity Algorithm You can be Proud of
