Hacker News与Reddit的算法比较

郑昀 20101213

Hacker News是Y Combinator旗下的一个新闻频道，属于digg类产品，

SEOmoz曾经在2008年7月隆重推出Reddit、Stumbleupon、Del.icio.us和Hacker News算法全揭秘。由此，这些知名Web2.0网站的算法浮出水面。谷文栋曾在2009年时如下讲述了Hacker News的Ranking算法：

(p – 1) / (t + 2)^1.5

其中，
1）p 表示文章得到的投票数，之所以要使用 (p – 1)，应该是想去掉文章提交者的那一票。
2）(t + 2)^1.5，这个是时间因子。t 表示当前时间与文章提交时间间隔的小时数。但为什么要加 2 之后再取 1.5 的幂，似乎就没什么道理可言了，也许是个 trial-and-error 的结果吧。

他对“1.5”这个参数也没有做出解释。

Amir Salihefendic（他是Plurk、Todoist的Co-Founder）在今年10月份撰文《How Hacker News ranking algorithm works 》完整地解释了Hacker News的Ranking算法，从中我们才得以知道那个神秘的“1.5”是什么。稍后我们还会拿这个排序规则与Reddit的排序规则做对比。

一、Hacker News的ranking算法

Hacker News是用Arc编写的（Arc是Lisp的一个“方言”）开源项目，源代码可以从 http://ycombinator.com/arc/arc3.tar 获取。Ranking算法就写在这个包的news.arc文件里。鉴于这种语言是未来的语言，不容易看懂，所以代码就不贴了，光把注释贴出来：

; Ranking

; Votes divided by the age in hours to the gravityth power.
; Would be interesting to scale gravity in a slider.

努力领会这段神谕的同时，Amir说其实本质上执行的ranking规则是：

Score = (P-1) / (T+2)^G

where,
P = points of an item (and -1 is to negate submitters vote)
T = time since submission (in hours)
G = Gravity, defaults to 1.8 in news.arc

也就是说，前文所谓的莫名其妙的“1.5”，其实就是“Gravity（万有引力）”参数，默认是1.8。p之所以减去1，就是要去掉文章提交者的那一票。

1.1.Gravity(G)和Time(T)的作用

Gravity和time对于一篇文章（即一个item）的得分有着重要影响。一般来说：

随着T的增加（即时间的流逝），得分将下降，意味着更早被提交进来的文章将会得到越来越低的分数；
对于更早的文章，如果gravity增加，得分将会下降得更快。

（在这里要说明一下，著名的搜索引擎网站wolframalpha的plot语法能帮你根据公式（代入参数）画图，方便编纂文档随时举例或者调整算法，超赞。）

·得分是如何取决于time的

Amir利用wolframalpha绘制了公式代入参数后的趋势变化图，如下所示（下图访问链接http://goo.gl/ddYe）：

wolframalpha plot

How score is behaving over time

上图中，定参Gravity为默认值1.8，随着时间的流逝，文章得分都会迅速下降。你还能看出来，24小时后（即t=24时）无论你的文章得到多少投票，它依然会得到一个非常低的得分。

·得分是如何取决于gravity的

当固定投票数，改变gravity又会如何呢？（下图访问链接http://is.gd/iJSbT）：

固定投票数，改变gravity

How gravity parameter behaves

可以看到gravity越大，得分下降趋势就越快。

·Ranking规则的Python实现

这个得分函数就是这么简单：

def calculate_score(votes, item_hour_age, gravity=1.8):
    return (votes - 1) / pow((item_hour_age+2), gravity)

Amir最后说道：“最关键的是你要理解这个算法如何起作用，以及你如何为自己的应用定制这个算法。”

相对于下面要讲述的Reddit排序算法，Hacker News的Ranking算法主要区别在于引入了time since submission这个参数，这个参数是不断变化的，从而导致一篇文章的得分不断变化。而Reddit下的一篇文章得分（Rank）是不变的，越新的文章得分越高，所以排序自然可能排在最前面。

二、Reddit的ranking算法

Reddit 是Digg类型网站，曾经在Digg 4改版引发用户众怒时被用户刻意追捧，独立访问数暴涨50%，并刻意将reddit链接分享至digg，使得digg主页充斥着对手reddit的链接。

谷文栋也曾于2008年12月发表过《Social Media Algorithm: Reddit》详细地解释了Reddit的公式及其参数构成。2010年11月，Amir也对此作了图文并茂的阐述：《How Reddit ranking algorithms work》。

它的公式如SEOmoz所描述的：

reddit formula

具体参数定义我就不再赘述了，可参考谷文栋或SEOmoz的文章。

Reddit也是开源的，其Python代码可从 http://code.reddit.com/ 寻到。他们的排序算法则因为性能问题改由Pyrex实现（Pyrex 是一种专门设计用来编写 Python 扩展模块的语言。根据 Pyrex Web 站点的介绍，“它被设计用来在友好易用的高级 Python 世界和凌乱的低级 C 世界之间搭建一个桥梁。”据说，“使用 Python like 的语法来编写 Python 的 C Module ，自动翻译成C语言代码，进而编译获取C代码的高效率。而且配合 Python 的 Distutils ，使得构建过程简单到了只需要 setup.py 的程度”）。

你可以点击链接 http://code.reddit.com/browser/r2/r2/lib/db/sorts.py?rev=4778b17e939e119417cc5ec25b82c4e9a65621b2 查看这个“hot ranking”算法被翻译为Python后的代码。

reddit很强调submission time（文章提交时间）。