摘要：
迄今为止，这个系列都在讨论，如何给出"某个时段"的排名，比如"过去 24 小时最热门的文章"。 但是，很多场合需要的是"所有时段"的排名，比如"最受用户好评的产品"。 这时，时间因素就不需要考虑了。这个系列的最后两篇，就研究不考虑时间因素的情况下，如何给出排名。 一种常见的错误算法是：得分 = 赞成票 - 反对票 假定有两个项目，项目A是 60 张赞成票，40张反对票，项目B是 550 张赞成票，450张反对票。请问，谁应该排在前面？按照上面的公式，B会排在前面，因为它的得分（550 - 450 = 100）高于A 阅读全文
摘要：
上一篇介绍了"威尔逊区间"，它解决了投票人数过少、导致结果不可信的问题。 举例来说，如果只有 2 个人投票，"威尔逊区间"的下限值会将赞成票的比例大幅拉低。这样做固然保证了排名的可信性，但也带来了另一个问题：排行榜前列总是那些票数最多的项目，新项目或者冷门的项目，很难有出头机会，排名可能会长期靠后。 以 IMDB 为例，它是世界最大的电影数据库，观众可以对每部电影投票，最低为 1 分，最高为 10 分。 系统根据投票结果，计算出每部电影的平均得分。然后，再根据平均得分，排出最受欢迎的前 250 名的电影。 这里就有一个问题：热门电影与冷门电影的平均得分， 阅读全文
摘要：
上一篇文章，我介绍了 Reddit的排名算法。 它的特点是，用户可以投赞成票，也可以投反对票。也就是说，除了时间因素以外，只要考虑两个变量就够了。 但是，还有一些特定用途的网站，必须考虑更多的因素。世界排名第一的程序员问答社区 Stack Overflow，就是这样一个网站。 你在上面提出各种关于编程的问题，等待别人回答。访问者可以对你的问题进行投票（赞成票或反对票），表示这个问题是不是有价值。 一旦有人回答了你的问题，其他人也可以对这个回答投票（赞成票或反对票）。根据投票结果，系统自动找出最佳回答。 排名算法的作用是，找出某段时间内的热点问题，即哪些问题最被关注、得到了最多的讨论。... 阅读全文
摘要：
这个系列的前三篇，介绍了 Hacker News，Reddit 和 Stack Overflow的排名算法。 今天，讨论一个更一般的数学模型。 这个系列的每篇文章，都是可以分开读的。但是，为了保证所有人都在同一页上，我再说一下，到目前为止，我们用不同方法，企图解决的都是同一个问题：根据用户的投票，决定最近一段时间内的"热文排名"。 你可能会觉得，这是一个全新的课题，伴随着互联网而产生，需要全新的方法来解决。但是，实际上不是。我们可以把"热文排名"想象成一个"自然冷却"的过程：（1）任一时刻，网站中所有的文章，都有一个"当前温 阅读全文
摘要：
互联网的出现，意味着"信息大爆炸"。用户担心的，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。各种各样的排名算法，是目前过滤信息的主要手段之一。对信息进行排名，意味着将信息按照重要性依次排列，并且及时进行更新。排列的依据，可以基于信息本身的特征，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，我将整理和分析一些基于用户投票的排名算法，打算分成六个部分连载，今天是第一篇。一、Delicious最直觉、最简单的算法，莫过于按照单位时间内用户的投票数进行排名。得票最多的项目，自然就排在第一位。旧版的D 阅读全文
摘要：
上一次，我介绍了Hacker News的排名算法。它的特点是用户只能投赞成票，但是很多网站还允许用户投反对票。就是说，除了好评以外，你还可以给某篇文章差评。Reddit是美国最大的网上社区，它的每个帖子前面都有向上和向下的箭头，分别表示"赞成"和"反对"。用户点击进行投票，Reddit根据投票结果，计算出最新的"热点文章排行榜"。怎样才能将赞成票和反对票结合起来，计算出一段时间内最受欢迎的文章呢？如果文章A有100张赞成票、5张反对票，文章B有1000张赞成票、950张反对票，谁应该排在前面呢？Reddit的程序是开源的，使用Pyth 阅读全文