热度定义
在设计和实现热搜榜系统时,首先需要明确的核心问题是:什么是”热度”?
热度是一个多维度的概念,它反映了内容在特定时间窗口内的受欢迎程度和影响力。单一指标(如浏览量)往往无法全面衡量内容的真实热度,因此我们需要构建一个综合性的评分体系。
1. 浏览量(Views)
浏览量是最基础的热度指标,表示内容被查看的次数。
特点:
- 数据量大,容易获取
- 但容易被刷量,需要去重和反作弊
- 无法区分用户的真实兴趣程度
2. 点赞数(Likes)
点赞表示用户对内容的认可和喜爱。
特点:
- 比浏览量更能反映用户满意度
- 操作成本低,用户参与门槛低
- 权重通常高于浏览量
3. 评论数(Comments)
评论表示用户愿意花时间与内容互动,是更深层次的参与。
特点:
- 操作成本较高,代表更强的用户参与
- 评论质量参差不齐,可能需要加权
- 能引发二次传播和讨论
4. 分享数(Shares)
分享表示用户愿意将内容传播给他人,是影响力的重要体现。
特点:
- 操作成本最高,代表最强的认可
- 直接带来新用户和流量
- 权重通常最高
5. 其他维度
根据业务场景,还可以考虑:
- 收藏数(Bookmarks):用户希望日后回看
- 完播率(Completion Rate):视频内容的完成观看比例
- 点击率(CTR):在推荐流中的点击表现
- 负反馈(Negative Feedback):举报、不感兴趣等
基于上述维度,我们可以构建一个加权的热度分数公式:
基础公式
用最直观的加权求和表达热度分数:
热度分数 = 浏览量 × 浏览权重
+ 点赞数 × 点赞权重
+ 评论数 × 评论权重
+ 分享数 × 分享权重
+ 收藏数 × 收藏权重
这个形式的价值在于可解释:每一项都能对应到一种具体行为。运营和产品可以直接讨论”分享权重要不要再高一点”,而不需要理解任何模型内部结构;排查线上问题时,也能逐项定位是哪一维度的数据出了问题。
使用时需要明确三个前提:
- 量纲要先对齐:各维度的原始计数差异很大(浏览量通常是分享量的百倍量级),直接加权会让浏览量一家独大。生产环境一般先做归一化再加权,详见「多维热度」一节。
- 权重之和不必等于 1:只有当不同方案的分数需要横向比较时,归一化才有意义。把权重理解成”每单位行为贡献多少热度值”时,保持整数语义(点赞 1、评论 3、分享 5)反而更直观,也更容易记住。
- 行为必须先去重和防刷:被灌刷的浏览量会让任何权重方案失效,反作弊是加权之前的前置步骤,而不是事后补救。
下一节的数学表达式会给出这个加权求和的正式写法,并逐一说明各权重符号的含义。
数学表达式
用数学公式表示为:
其中:
- = 浏览量(Views)
- = 点赞数(Likes)
- = 评论数(Comments)
- = 分享数(Shares)
- = 收藏数(Bookmarks)
- = 对应权重
为什么需要时间衰减?
热搜榜反映的是当前的热门内容,而非历史累积的热门内容。如果没有时间衰减:
- 老内容会长期占据榜单
- 新内容难以获得曝光
- 榜单失去”实时性”意义
衰减函数选择
常见的衰减函数有:
1. 指数衰减(Exponential Decay)
数学表达式:
其中 是半衰期。
2. 线性衰减(Linear Decay)
数学表达式:
3. 对数衰减(Logarithmic Decay)
数学表达式:
完整的热度计算公式
结合时间衰减后的完整公式:
完整数学表达式:
知乎热榜采用了类似的加权 + 衰减策略,其简化版本如下:
知乎热榜最值得借鉴的一点是:它把「回答被赞同」和「回答被收藏」当作两种不同性质的热度,前者反映即时认同,后者反映长期价值。这个区分直接体现在它的权重分配上。
简化模型的三个设计:
| 设计 | 做法 | 解决的问题 |
|---|---|---|
| 区分认同与收藏 | 赞同权重低于收藏 | 避免「一键赞同」的低成本行为主导榜单 |
| 反作弊前置 | 每个用户的赞同数按账号年龄打折 | 新号批量赞同无法获得完整权重 |
| 时间衰减分档 | 不同内容类型用不同半衰期 | 问答内容与专业讨论的生命周期差异大 |
打分公式(简化版):
其中 是赞同数、 是收藏数、 是浏览数, 是用户可信系数, 是该内容类型的半衰期。
from dataclasses import dataclass
from math import pow
@dataclass(frozen=True)
class ZhihuLikeConfig:
"""知乎热榜简化模型的参数。"""
# 三类行为的权重,认同(赞同)低于收藏
agree_weight: float = 0.3
favorite_weight: float = 0.4
view_weight: float = 0.3
# 半衰期(小时),按内容类型配置
half_life_hours: float = 24.0
def user_trust(account_age_days: float, is_verified: bool) -> float:
"""用户可信系数。
新号和大号的行为不能等量看待:
新号的批量赞同是作弊成本最低的刷量方式,
认证账号的行为则代表更高的真实参与度。
"""
age_factor = min(1.0, account_age_days / 30.0)
verified_bonus = 0.2 if is_verified else 0.0
return min(1.2, 0.3 + 0.7 * age_factor + verified_bonus)
def zhihu_like_score(
agree_count: int,
favorite_count: int,
view_count: int,
account_age_days: float,
is_verified: bool,
hours_since_publish: float,
config: ZhihuLikeConfig = ZhihuLikeConfig(),
) -> float:
"""计算内容热度分数。"""
# 浏览量的量级远大于赞同和收藏,先做对数压缩
base = (
config.agree_weight * pow(agree_count + 1, 0.5)
+ config.favorite_weight * pow(favorite_count + 1, 0.5)
+ config.view_weight * pow(view_count + 1, 0.5)
)
trust = user_trust(account_age_days, is_verified)
if hours_since_publish <= 0:
decay = 1.0
else:
decay = pow(0.5, hours_since_publish / config.half_life_hours)
return base * trust * decay
几个参数的选择理由:
| 参数 | 取值 | 理由 |
|---|---|---|
| 收藏权重高于赞同 | 0.4 对 0.3 | 收藏需要额外的操作成本,信号更强也更难刷 |
| 浏览权重最低 | 0.3 | 浏览量最容易灌刷,且绝对值极大 |
| 新号折价 | 30 天线性升到 1.0 | 覆盖「批量注册小号」的典型作废窗口 |
| 认证加成 | 0.2 | 认证意味着身份经过核验,行为可信度更高 |
| 半衰期 | 24 小时 | 问答内容的讨论通常跨越一两天,比新闻慢、比教程快 |
这个简化版与真实实现的差距,也要说清楚:真实的知乎热榜还包含时间维度的精细分布(比如「最近 3 小时增速」这类趋势信号)、人工运营位、以及更复杂的反作弊模型。这里的公式只保留了「加权 + 折价 + 衰减」这条主干,用来说明设计思路,而不是复刻实现。
这套模型可以直接套用到其他榜单。把「赞同 / 收藏 / 浏览」换成「点赞 / 分享 / 播放」,把半衰期按内容类型调整,就得到了一套可用的通用热度模型。真正需要按业务重新确定的是哪几种行为最值得信任——这个排序只能靠对业务的理解,没有通用答案。
| 场景 | 浏览权重 | 点赞权重 | 评论权重 | 分享权重 | 特点 |
|---|---|---|---|---|---|
| 新闻资讯 | 0.3 | 0.2 | 0.2 | 0.3 | 重视传播和时效 |
| 技术文章 | 0.2 | 0.3 | 0.3 | 0.2 | 重视深度互动 |
| 视频内容 | 0.4 | 0.2 | 0.1 | 0.3 | 重视观看和分享 |
| 社区讨论 | 0.1 | 0.2 | 0.5 | 0.2 | 重视讨论热度 |
- 热度是多维度的:不能仅依赖单一指标,需要综合考虑浏览、点赞、评论、分享等多个维度
- 权重需要调优:不同业务场景需要不同的权重配置
- 时间衰减至关重要:保证榜单的实时性和新鲜度
- 公式需要迭代:根据实际数据和用户反馈持续优化
在下一节中,我们将讨论如何高效地计算和更新这些热度分数。
发现内容有问题?
告诉我们哪里需要改进。
