例如，Reddit 排名的数学算法来自哪里？

Posted 2023-03-15

【中文标题】例如，Reddit 排名的数学算法来自哪里？

【英文标题】：Where do mathematical algorithms for Reddit's ranking, as an example, come from?

【发布时间】：2011-09-27 19:17:08

【问题描述】：

最近我在研究 Reddit 的算法，用于确定是什么使帖子成为“热门”主题以及哪些内容适合 reddit 主页。

我正在阅读的文章在这里： http://amix.dk/blog/post/19588

我注意到他们有数学逻辑算法，并创建了某种数学函数来确定帖子的热度/相关性。

在使用的公式中，每个数学成分来自哪里以及它们如何知道使用它们？

谢谢！

-- 巴克兹

编辑：澄清一下，我刚高中毕业，如果这个问题的答案似乎很明显，我深表歉意。再次感谢！

【问题讨论】：

看起来您发布的链接包含相当多的细节。有没有让你感到困惑的特定公式？此外，您也可以考虑在 math.stackexchange.com 上提问。

看来你已经发现了算法；你想知道它来自哪里吗？发现问题；和一个解决方案。与编程技能没有太大区别。 Randall Munroe 有一篇关于 Reddit 如何对其 cmets 进行排序的好文章：blog.reddit.com/2009/10/reddits-new-comment-sorting-system.html

具体来说，amix.dk/uploads/reddit_cf_algorithm.png 该图像中的最后一个公式可以。

“他们怎么知道使用它们？” -- 人们很好地理解数学并将其应用于各种情况，算法创建是数学中的一项主要技能，就像在编程中一样。这就像在说厨师如何知道要使用什么食材，或者医生如何知道您有什么问题。

【参考方案1】：

他们不是来自任何地方。对他们来说没有绝对的真理，也没有什么可以证明的。这只是一种以开发团队认为最合理的方式量化属性的方法。

当您希望某个因素成为一个因素时，您会使用 log，尽管一个因素不太重要（因为较大的值确实会增长，尽管非常缓慢）。但出于同样的原因，他们本可以选择立方根。

这些公式只是我们可以假定的那些因素的表示，这些因素通常属于“热”的东西，并且它们的组合方式以适当的比例考虑每个因素（例如，我们'将对那些非常重要的值进行平方，并记录那些不太重要的值）。

一旦他们想出了公式，他们可能会想出 10 或 15 种不同类型的帖子，然后将数字填入其中，并认为这很有意义，因此坚持下去。事实上，最初的几次尝试可能结果并不那么好，在稍微摆弄了一些数字之后，就得出了这个公式。

【参考方案2】：

我将解决第一个公式，即帖子的“热度”。像这样的公式来自需求。 Reddit 的设计师已经考虑过他们想要实现的目标，并相应地设计了公式。我不能确切地告诉你他们的想法是什么，但我可以看看实现并猜测他们想要一个这样的系统：

除非票数发生变化，否则不需要重新计算分数。这减少了对数据库的更改次数，并且在复制数据时更容易实现一致性。 （因此，任何基于随着文章年龄而降低分数的评分系统都不好）。

如果两个故事的历史相同，则赞成票较多的故事应该较高。 （所以需要有来自投票的贡献。）

故事获得的支持越多，它应该在排名靠前的时间越长。

老故事不应该永远保持在排行榜的首位，即使他们有很多赞成票。很快（一两天后），新故事的排名需要超过它们。 （所以从日期开始就需要有贡献，而且这必须超过分数，因为很快就会得到票数，不管有多少票。）

反对票多于赞成票的故事根本不应出现在排名中。

现在让我们看一下公式：log z + yt / 45000，看看它是如何满足这些要求的。

如果票数不变，则z、y和t都不变。所以分数不变。这满足要求 (1)。

如果两个故事的年龄相同，则它们的 t 值相同。但是点数越多的人的 z 值就越高，而且由于 log 是单调的，所以它的得分也更高。这满足要求 (2)。

一个故事的点赞数越多，它的 z 就越高，所以它会越长直到另一个具有更高 t 的故事的排名超过它。这满足要求 (3)。

对数是一个随着它变大而增长更慢的函数 (take a look at its graph)。因此，随着时间的推移，一个故事需要越来越多的支持，以跟上更新的故事。这满足要求 (4)。

如果故事的反对票多于赞成票，则 z = 1 且 y = -1，因此得分为负数。这满足要求 (5)。

恒定的 45,000 是一个比例因子，它使赞成票和年龄达到平衡。一天有 86,400 秒，因此 t 每天都会增加这个量。 t 除以 45,000 得到 1.92，这意味着一天的相对新鲜度值得 10^1.92 = 83 票，两天的相对新鲜度大约值 7,000 票。