用户投票算法随手记

【随手记。　请点进原文看。。。。原文写的好好啊好好的】

前四篇与发布时间有关：

（1）基于用户投票的排名算法（一）：Delicious和Hacker News

http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html

前者通过没60min更新一次最近被收藏的数目，以此来排名。

在 被收藏数目（得票数目）的基础上加入了帖子的发帖时间，已解决Delicious不能让新帖子浮上来的问题。score = （ P- 1） / （T +２）＾Ｇ　首先它排除了发帖人的票数，然后，它的时间因素考虑到了帖子刚刚发···而导致分母过小的问题（＋了一个平均时间）。还考虑了时间导致的帖子的分衰减速度问题：重力因子Ｇ。

（2）reddit：  在 赞成 的 基础上，引入了  反对 。

考虑了：

帖子的发帖时间：　ｔ　＝　发帖时间　－　某个固定值。　（帖子越早发，这个值越小）

赞成与反对的差值：　

投票方向　１：赞成多　，　０：一样多，　　　－１：反对票多。

帖子的受肯定程度　（否定程度）　ｚ　。是个底数为１０的对数形式的，说明帖子越往后　如果突然有一部分人投一样的票　　就不会很会受影响了。

（3） stackof  overflow  ：不光考虑到了   赞成 和  反对  两个因素。还考虑到了帖子被浏览的次数，被回答的次数，问题得分，回答得分，发帖时间，最后一个回答的时间 等。【帖子本身质量、用户参与度、时间】

（4）把牛顿冷

却定律  Newton‘s law  of  cooling   应用到排名貌似很cool ： http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_newton_s_law_of_cooling.html

定律内容： 物体的冷却速度与                它当前的温度和室内温度的差值    成正比。

后（5）

与时间无关： http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_wilson_score_interval.html

不是简单的用 好评数 - 差评数， 或 好评率 来评判某个帖子是否热门。 引入了  置信区间 。又由于 置信区间不能很好的解决 小样本 的问题，又提到了  威尔逊 区间。

贝叶斯平均法：  http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_bayesian_average.html

IDMB采用的方法。

它借鉴了"贝叶斯推断"（Bayesian inference）的思想：既然不知道投票结果，那就先估计一个值，然后不断用新的信息修正，使得它越来越接近正确的值。

它可以解决 被关注比较少的帖子 排名不公平的问题。。。因为 这类型的帖子 使用上述置信区间的话，由于样本比较少，置信区间的跨度都比较大，下限也大，所以采用上面（5）的方法的话，最后结果不怎么对它有利