基于用户投票的排名算法(三):Stack Overflow

作者: 阮一峰

日期: 2012年3月11日

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)。

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。

在Stack Overflow的页面上,每个问题前面有三个数字,分别表示问题的得分、回答的数目和该问题的浏览次数。以这些变量为基础,就可以设计算法了。

创始人之一的Jeff Atwood,曾经在几年前,公布过排名得分的计算公式。

写成php代码,就是下面这样:

各个算法变量的含义如下:

(1)Qviews(问题的浏览次数)

  

某个问题的浏览次数越多,就代表越受关注,得分也就越高。这里使用了以10为底的对数,用意是当访问量越来越大,它对得分的影响将不断变小。

(2)Qscore(问题得分)和Qanswers(回答的数量)

  

首先,Qscore(问题得分)= 赞成票-反对票。如果某个问题越受到好评,排名自然应该越靠前。

Qanswers表示回答的数量,代表有多少人参与这个问题。这个值越大,得分将成倍放大。这里需要注意的是,如果无人回答,Qanswers就等于0,这时Qscore再高也没用,意味着再好的问题,也必须有人回答,否则进不了热点问题排行榜。

(3)Ascores(回答得分)

  

一般来说,"回答"比"问题"更有意义。这一项的得分越高,就代表回答的质量越高。

但是我感觉,简单加总的设计还不够全面。这里有两个问题。首先,一个正确的回答胜过一百个无用的回答,但是,简单加总会导致,1个得分为100的回答与100个得分为1的回答,总得分相同。其次,由于得分会出现负值,因此那些特别差的回答,会拉低正确回答的得分。

(4)Qage(距离问题发表的时间)和Qupdated(距离最后一个回答的时间)

  

改写一下,可以看得更清楚:

  

Qage和Qupdated的单位都是秒。如果一个问题的存在时间越久,或者距离上一次回答的时间越久,Qage和Qupdated的值就相应增大。

也就是说,随着时间流逝,这两个值都会越变越大,导致分母增大,因此总得分会越来越小。

(5)总结

Stack Overflow热点问题的排名,与参与度(Qviews和Qanswers)和质量(Qscore和Ascores)成正比,与时间(Qage和Qupdated)成反比。

(完)

珠峰培训

简寻

留言(20条)

呵呵,继续来学习,第一次沙发!

阮兄的博客现在经常访问不了了啊,呵呵

这个太复杂了,对于大型社区还行,一般的站点基本上不起作用,还容易被人刷票

stackoverflow是系统自动找出最佳回答?一看就知道没用过SF,纸上谈兵。

引用自由国度的发言:

stackoverflow是系统自动找出最佳回答?一看就知道没用过SF,纸上谈兵。

作者说的是“根据投票结果”,stackoverflow自动找出最佳回答,这没有问题啊。

引用:“但是我感觉,简单加总的设计还不够全面。这里有两个问题。首先,一个正确的回答胜过一百个无用的回答,但是,简单加总会导致,1个得分为100的回答与100个得分为1的回答,总得分相同。其次,由于得分会出现负值,因此那些特别差的回答,会拉低正确回答的得分。”
————————————————
我倒觉得它的算法是对的,
因为对于目的为“找到热点问题”的排名算法来说,
“讨论参与度”的权重大于“答案正确度”。
试想有一个争论极为激烈、参与者众多,但双方观点争锋相对、阵营势均力敌的话题,
如果在sum(Ascores)这一项里引入了负值抵扣的话,就会变得和平淡的对立话题无法区分了;
而如果引入了针对高分回答的加权,则排名的性质其实变成了受欢迎的最佳答案,而非热点问题排名。

有人研究过豆瓣评论的算法吗,除了有用、没用、时间这些变量之外,貌似还有其他的因素

最近博客的频率好小啊,博主加油啊。。。。。。

"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。"

---
不是自动找出最佳回答的,由提问人来选的。


引用lusernews的发言:

不是自动找出最佳回答的,由提问人来选的。

不好意思,我没在SO上面提问过……

文章已经改过来了。

引用小兵的发言:

这个太复杂了,对于大型社区还行,一般的站点基本上不起作用,还容易被人刷票

看策略和管理了。so 的门槛不低,想刷票太难了,需要一定的积分才能投票,而且每天能投的票数很有限。而积分只有认真参与才能得到。

嗯,很好很有用~~值得我参考来设计互联网咨询价值算法的设计。

引用sicifus的发言:

对于目的为“找到热点问题”的排名算法来说,

“讨论参与度”的权重大于“答案正确度”。

试想有一个争论极为激烈、参与者众多,但双方观点争锋相对、阵营势均力敌的话题,如果在sum(Ascores)这一项里引入了负值抵扣的话,就会变得和平淡的对立话题无法区分了;而如果引入了针对高分回答的加权,则排名的性质其实变成了受欢迎的最佳答案,而非热点问题排名。

这个还是得看问题展现的应用场景。如果问题的展示是希望得到更多的人参与回答,那么不需要特别针对高分回答进行加权;相反,如果问题的展示是希望给更多的人提供帮助,则需要针对高分问答进行加权。类似于 已解决问题 和 待解决问题。

公式中的4、5、2三个系数是怎么确定的?

引用指针的发言:

公式中的4、5、2三个系数是怎么确定的?

同问,系数是如何确定的,有没有什么方法?

博主,看了php代码,Qage和Qupdated的单位不是秒,应该是小时,如果是秒的话,分母就太大了。

希望博主对各大推荐算法的优缺点进行对比,让读者更清晰。

引用world_wind的发言:

博主,看了php代码,Qage和Qupdated的单位不是秒,应该是小时,如果是秒的话,分母就太大了。

确实是 小时 ,/3600 .....我正纳闷呢。。。

博主,图片看不到了,能恢复下吗?

图片都挂了

我要发表看法

«-必填

«-必填,不公开

«-我信任你,不会填写广告链接