計算內容熱度的演算法解釋
什麼樣的一個內容是熱門的呢？這其實是一個相對的概念，面對不同的需求，它的表達是不同的。
其中：
- ：內容質量的數值表達，例如一篇文章質量可以定義成文章的點贊數，也可以根據產品需要定義為其他
- ：新內容的初始質量，具體含義後續解釋中會理解
- ：重力 Gravity，或者說是一個內容變得不再熱門的速度，重力越大，一個內容重新整理的就越快
- ：時間
可以看到熱度 在這樣的公式中有 4 個變數即 ，此公式與 Hacker News、Reddit 相同，只是定義內容質量 時用的邏輯不一樣。
1）熱度 與時間 的關係
首先，我們看一個比較簡單的關係，就是熱度與時間的關係：
- ：100
- ：10
- ：1.5
- ：時間
很清楚，時間越大，熱度越低。
2）熱度 與初始質量 、時間 的關係
- ：0
- ：[2, 4, 6]
- ：1.5
- ：時間
我們能夠看到，對於不同的初始質量 ，內容的初始熱度是不同的，在後續的時間衰減中，如果其他數值不變，那麼初始質量越高則內容熱度越大。
3）熱度 與初始質量 、重力 、時間 的關係
- ：0
- ：[2, 4, 6]
- ：[1.5, 1.2, 1.8]
- ：時間
面對不同的重力，即使初始質量高，重力大時其熱度衰減很快。
4）熱度 與質量 、初始質量 、重力 、時間 的關係
- ：[90, 190, 90]
- ：10
- ：[1.5, 1.5, 1.8]
- ：時間
我們看到三個交點：
- ： ， 與 的交點
解釋：一個內容質量 90 的內容，在 交點，即約 3.64 單位時間之後其熱度低於一個全新的初始熱度為 10 的內容。
- ： ， 與 的交點
- ： ， 與 的交點
解釋：一個內容質量 190 的內容，在 6.36 單位時間之後，其熱度低於任意新內容。而一個內容質量為 90 的內容，如果重力為 1.8，那麼僅在 2.59 單位時間後其熱度低於任意新內容。
我們可以看到如下結論：
- 初始質量 越高，老內容的熱度更快的被最新生產的內容超越
- 一個內容的質量 越高，此內容熱度高於新內容的時間越長
- 重力 越高，內容熱度衰減越快，老內容的熱度更快被新生產的內容超越
因此，在確定的初始質量 及重力 下，一個內容可以獲得的 決定了其熱度及被新內容超越的時間。
5）質量數值 與時間 線性正相關的假設
假設一個內容質量的數值表達與時間正相關，例如我們用一個文章的點贊量表達其質量，那麼在一個限定的時間裡，其時間越長，點贊量越高：
而 代表了一個新內容獲得質量 的速度，也就是一個新內容獲得點讚的速度，那麼
- ：
- ：10
- ：1.5
- ：時間
其中我們測試了三個 分別是：20、25、30
我們看到三個交點：
- ： 與 的交點
- ： 與 的交點
- ： 與 的交點
解釋： 越大，說明單位時間裡一個內容可以獲得的質量越高，也就是說明這個內容本身更受歡迎。對於交點 來講，此內容在 1.62 個單位時間後，即使保持著 增長質量的速度，依然會被一個新內容的熱度超越。而從 交點可以看到，如果其 增長速度為 ，那麼在 6.46 個單位時間後才會被新內容的熱度超越。
6）質量數值 與時間 對數正相關的假設
當然上面的假設有一個問題是，一個文章的質量表達很難和時間長期正相關，也就是說，文章存在時間越長，往往後續獲得的點贊會降低。因此，我們可以假設 與 是對數相關的關係：
- ：獲得點讚的速度
- ：隨著時間遷移，獲得點贊速度開始衰減的係數
我們看到三個交點：
- ： 與 的交點
- ： 與 的交點
- ： 與 的交點
解釋：對比 與 我們可以看到，因為質量數值的增長隨著時間變少，因而 內容更快地被新內容超越。
內容熱度在掘金裡的使用
- ：即一個內容的熱度
rankIndexArticle - ：即一個內容的
hotIndexArticle是一個文章閱讀數、評論數、點贊數加權求和的數值 - ：即一個內容初始的數值
rankIndexUser是文章作者的影響因子- 影響因子與作者本身的歷史掘力值相關
- ：一個衰減的重力引數
- ：文章自發布以來的時長
作為掘金社群，我們希望將更多好內容帶給讀者，從數值上，我們希望總和的 變高，同時平衡其與 之間的關係，即新內容獲得的流量，與一個好內容獲得流量之間交點的時間長度。
- ：一篇文章本身的質量表達，多快獲得點贊、獲得閱讀，即點選率、點贊率
- ：點贊率、點選率隨著文章存在時間是否會衰減，衰減得多塊
說人話：一個獲得了 1000 個點贊、10000 個閱讀、100 個評論的內容，在計算規則下什麼情況會被一篇新文章的熱度超越。而整個社群的熱度計算，是一個動態優化的問題。