基于用戶投票的排名算法（二）：Reddit

作者：?阮一峰

日期：?2012年3月 7日

（不好意思，這個系列中斷了近兩周，我會盡快在這幾天，把后面幾篇寫完。）

上一次，我介紹了Hacker News的排名算法。它的特點是用戶只能投贊成票，但是很多網站還允許用戶投反對票。就是說，除了好評以外，你還可以給某篇文章差評。

Reddit是美國最大的網上社區，它的每個帖子前面都有向上和向下的箭頭，分別表示"贊成"和"反對"。用戶點擊進行投票，Reddit根據投票結果，計算出最新的"熱點文章排行榜"。

怎樣才能將贊成票和反對票結合起來，計算出一段時間內最受歡迎的文章呢？如果文章A有100張贊成票、5張反對票，文章B有1000張贊成票、950張反對票，誰應該排在前面呢？

Reddit的程序是開源的，使用Python語言編寫。排名算法的代碼大致如下：

這段代碼考慮了這樣幾個因素：

（1）帖子的新舊程度t

　　t = 發貼時間 - 2005年12月8日7:46:43

t的單位為秒，用unix時間戳計算。不難看出，一旦帖子發表，t就是固定值，不會隨時間改變，而且帖子越新，t值越大。至于2005年12月8日，應該是Reddit成立的時間。

（2）贊成票與反對票的差x

　　x = 贊成票 - 反對票

（3）投票方向y

　　

y是一個符號變量，表示對文章的總體看法。如果贊成票居多，y就是+1；如果反對票居多，y就是-1；如果贊成票和反對票相等，y就是0。

（4）帖子的受肯定（否定）的程度z

　　

z表示贊成票與反對票之間差額的絕對值。如果對某個帖子的評價，越是一邊倒，z就越大。如果贊成票等于反對票，z就等于1。

結合以上幾個變量，Reddit的最終得分計算公式如下：

　　

這個公式可以分成兩個部分來討論：

（一）

　　

這個部分表示，贊成票與反對票的差額z越大，得分越高。

需要注意的是，這里用的是以10為底的對數，意味著z=10可以得到1分，z=100可以得到2分。也就是說，前10個投票人與后90個投票人（乃至再后面900個投票人）的權重是一樣的，即如果一個帖子特別受到歡迎，那么越到后面投贊成票，對得分越不會產生影響。

當贊成票等于反對票，z=1，因此這個部分等于0，也就是不產生得分。

（二）

　　

這個部分表示，t越大，得分越高，即新帖子的得分會高于老帖子。它起到自動將老帖子的排名往下拉的作用。

分母的45000秒，等于12.5個小時，也就是說，后一天的帖子會比前一天的帖子多得2分。結合前一部分，可以得到結論，如果前一天的帖子在第二天還想保持原先的排名，在這一天里面，它的z值必須增加100倍（凈贊成票增加100倍）。

y的作用是產生加分或減分。當贊成票超過反對票時，這一部分為正，起到加分作用；當贊成票少于反對票時，這一部分為負，起到減分作用；當兩者相等，這一部分為0。這就保證了得到大量凈贊成票的文章，會排在前列；贊成票與反對票接近或相等的文章，會排在后面；得到凈反對票的文章，會排在最后（因為得分是負值）。

（三）

這種算法的一個問題是，對于那些有爭議的文章（贊成票和反對票非常接近），它們不可能排到前列。假定同一時間有兩個帖子發表，文章A有1張贊成票（發帖人投的）、0張反對票，文章B有1000張贊成票、1000張反對票，那么A的排名會高于B，這顯然不合理。

結論就是，Reddit的排名，基本上由發帖時間決定，超級受歡迎的文章會排在最前面，一般性受歡迎的文章、有爭議的文章都不會很靠前。這決定了Reddit是一個符合大眾口味的社區，不是一個很激進、可以展示少數派想法的地方。

[參考資料]

　　*?How Reddit ranking algorithms work

（完）

留言（31條）

張剛?說：

發表這類專業化太強的內容，確實很耗費時間，期待后面的內容

2012年3月 7日 16:40?|?∞?|?引用

令狐蟲?說：

文中對z的解釋跟代碼不一致啊。代碼中是 max(abs(s), 1)， 也就是說只看贊成票和反對票的差距，差距越大值越大。并沒有區別對待贊成票還是反對票的意思。

2012年3月 7日 17:32?|?∞?|?引用

邵偉超?說：

引用令狐蟲的發言：

文中對z的解釋跟代碼不一致啊。代碼中是 max(abs(s), 1)， 也就是說只看贊成票和反對票的差距，差距越大值越大。并沒有區別對待贊成票還是反對票的意思。

對z的解釋確實跟代碼不一致啊，求解釋

2012年3月 7日 17:48?|?∞?|?引用

阮一峰?說：

引用邵偉超的發言：

對z的解釋確實跟代碼不一致啊，求解釋

啊，我看代碼不仔細，這個地方沒注意到。

這篇文章要大幅度改寫了……

2012年3月 7日 18:26?|?∞?|?引用

阮一峰?說：

改過z了，現在與代碼一致了。

2012年3月 7日 18:59?|?∞?|?引用

bobo?說：

分析的不錯，感覺算法寫的中規中矩。

2012年3月 7日 19:22?|?∞?|?引用

周琪?說：

這幾天正想琢磨，結果就看到了，真是不錯。

2012年3月 7日 22:46?|?∞?|?引用

Hank?說：

不知道有沒有中文網站可以和Reddit相提並論

2012年3月 7日 22:49?|?∞?|?引用

必填?說：

這個絕對值的設計好像沒什么用啊，反對票遠大于贊成票的文章一下子就被sign*seconds/45000給踢到后面去了，很難靠按照對數增長的order拉回來。

2012年3月 8日 01:04?|?∞?|?引用

erben?說：

結論不太對。文章討論的都只是hot函數，原鏈接里還有個controversy函數。最后不一定只是用hot排序的。

2012年3月 8日 03:07?|?∞?|?引用

劉永新?說：

這個公式基本決定了："Reddit的排名，基本上由發帖時間決定"！

2012年3月 8日 09:48?|?∞?|?引用

duyt1001?說：

我看了一下github上帝reddit源代碼，發現他其實除了hot以外還有計算爭議值：

cpdef double controversy(long ups, long downs):
"""The controversy sort."""
return float(ups + downs) / max(abs(score(ups, downs)), 1)

在queries.py中新票和老票都是同時計入了hot, top 和controversy的值。雖然沒有仔細看，但是應該是如果1000贊成+1000反對還是會比1贊成+0反對要排前的。

2012年3月 8日 10:10?|?∞?|?引用

Johnny?說：

大蝦，能知道編輯器名字嗎，code看起來很舒服

2012年3月 8日 11:47?|?∞?|?引用

微卓?說：

都是人才阿。。。

2012年3月 8日 14:31?|?∞?|?引用

Ranger?說：

最后的分析有道理

2012年3月 8日 15:34?|?∞?|?引用

61?說：

引用令狐蟲的發言：

文中對z的解釋跟代碼不一致啊。代碼中是 max(abs(s), 1)， 也就是說只看贊成票和反對票的差距，差距越大值越大。并沒有區別對待贊成票還是反對票的意思。

因為他有y來控制方向呀。。所以對z不區分應該沒什么問題的

2012年3月 8日 17:02?|?∞?|?引用

Answer Johnny?說：

引用Johnny的發言：

大蝦，能知道編輯器名字嗎，code看起來很舒服

代碼是圖片來的，可以點開，點開來看就知道了。

2012年3月14日 13:07?|?∞?|?引用

phplaber?說：

引用Hank的發言：

不知道有沒有中文網站可以和Reddit相提並論

開源中國社區好像是Reddit排名算法，不太確定。

2012年3月16日 10:33?|?∞?|?引用

sophia?說：

如果反對票超過贊成票,且超過越多,Z也越大 這個怎么解釋啊?

2012年3月16日 10:56?|?∞?|?引用

cfanvip?說：

博主的php編輯器是什么軟件呀 好酷呀 英文字體也特別養眼 希望告知軟件名稱和字體哦 支持下～

2012年3月21日 16:30?|?∞?|?引用

alexwhu?說：

引用sophia的發言：

如果反對票超過贊成票,且超過越多,Z也越大這個怎么解釋啊?

同問！！

order = log(max(abs(ups - downs), 1), 10) 這部分對結果影響不小吧

2012年3月23日 17:42?|?∞?|?引用

alexwhu?說：

引用alexwhu的發言：

同問！！

order = log(max(abs(ups - downs), 1), 10) 這部分對結果影響不小吧

對于downs 比 ups 多的items， 主要靠 y*t / 45000 來調節了。

為什么不來更狠點的？

order = y * log(max(abs(ups - downs), 1), 10) + y*t / 45000

如果這么狠的話，那么downs比ups多的items，估計就永無天日能被用戶看到了，

其實有時候，downs比ups多的items，也是很有意思的item，至少能夠吸引用戶眼球，

所以，使用log(max(abs(ups - downs), 1), 10)，來給予他們一些能夠“見天日”的機會，之余到底能否排上名“見到天日”，就看 y*t 了，如果是很舊的items，那么真的無法排上名了，如果是很新的items，雖然反對票很多，但是因為item出來新，還是可以給用戶看看的...

2012年3月23日 17:56?|?∞?|?引用

Quady?說：

我認為這算法設計的思路還是挺好的，新舊、方向、拉伸力度，值得學習。
文章很好的解釋了其中的思路！

2012年3月31日 16:35?|?∞?|?引用

城主?說：

應該可以再加上一項 k*(贊成數+反對數)，投票總數也是一項指標呢

2012年4月 1日 10:30?|?∞?|?引用

scys?說：

那個 yt，還以為是 y的 t次方呢，看了半天沒看懂，后來看了結尾給的鏈接文章，才明白原來是 y 乘 t, 呵呵！

2012年11月 7日 18:40?|?∞?|?引用

lvv2.com?說：

用php搭建的，算法與reddit一樣。歡迎訪問 lvv2.com 如果您訪問不到的話，那就是在墻外了。這里沒有言論審查。。其中，有爭論的 選項算法是
$s = $ups+$downs;
$argue = $ups>$downs?$downs/$ups:$ups/$downs;
$order = log10(max($s,1))*$argue;
$seconds = $date - strtotime('2011-05-10');
return round($order + $seconds/45000,7);

歡迎各位提建議補充，lvv2.com

2012年12月22日 22:07?|?∞?|?引用

carusd?說：

從公式上看，兩篇先后發布的文章，如果贊成和反對票一直是0，那么他們的分值都一樣是0。這樣一來新發布的文章不就一直排不到前面，二來兩篇這樣的文章也不知道該怎么排序。這樣真的沒問題嗎？

2013年9月29日 17:10?|?∞?|?引用

林夕?說：

reddit還有一個排名【上升】是根據上升速度來排的，誰知道這個是怎么實現的嗎？

2014年2月26日 20:46?|?∞?|?引用

林夕?說：

reddit的算法有一些漏洞，比如假設兩篇文章，相距5秒發布。每一個都收到兩個負面評價，seconds對于新文章值更大一些，但是因為sign為負值，新的文章評分反而比舊的文章低。詳見http://blog.jobbole.com/53406/

2014年2月27日 10:07?|?∞?|?引用

張云峰?說：

您好看了你的關于reddit的文章，請問是否可以邀請您一起做基于這個系統的一個知識社交網站
我QQ65384403 謝謝 請加我

2015年2月17日 10:26?|?∞?|?引用

jackie?說：

嗨, 請問這個排序算法問什么不用機器學習來做呢??
用邏輯回歸, 預估一個帖子是否被用戶查看的概率, 用這個概率來排序.

2015年9月30日 13:49?|?∞?|?引用

總結

以上是生活随笔為你收集整理的基于用户投票的排名算法Reddit的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。