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。

热度的构成维度

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

热度分数计算公式

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:

  1. 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。
  2. 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。
  3. 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:

HeatScore=wv⋅V+wl⋅L+wc⋅C+ws⋅S+wb⋅B\text{HeatScore} = w_v \cdot V + w_l \cdot L + w_c \cdot C + w_s \cdot S + w_b \cdot B

其中:

  • VV = 浏览量(Views)
  • LL = 点赞数(Likes)
  • CC = 评论数(Comments)
  • SS = 分享数(Shares)
  • BB = 收藏数(Bookmarks)
  • wv,wl,wc,ws,wbw_v, w_l, w_c, w_s, w_b = 对应权重

时间衰减因子

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:

  1. 老内容会长期占据榜单
  2. 新内容难以获得曝光
  3. 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:

Decay(t)=0.5tT1/2\text{Decay}(t) = 0.5^{\frac{t}{T_{1/2}}}

其中 T1/2T_{1/2} 是半衰期。

2. 线性衰减(Linear Decay)

数学表达式:

Decay(t)=max⁡(0,1−tTmax)\text{Decay}(t) = \max(0, 1 - \frac{t}{T_{\text{max}}})

3. 对数衰减(Logarithmic Decay)

数学表达式:

Decay(t)=(t+1)−g\text{Decay}(t) = (t + 1)^{-g}

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:

FinalScore=Decay(t)×∑iwi⋅Mi\text{FinalScore} = \text{Decay}(t) \times \sum_{i} w_i \cdot M_i

实际案例:知乎热榜算法

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):

Score=(0.3⋅A+0.4⋅F+0.3⋅V)×Trust×0.5t/H\text{Score} = \left(0.3 \cdot A + 0.4 \cdot F + 0.3 \cdot V\right) \times \text{Trust} \times 0.5^{t/H}

其中 AA 是赞同数、FF 是收藏数、VV 是浏览数,Trust\text{Trust} 是用户可信系数,HH 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。

权重调优建议

场景浏览权重点赞权重评论权重分享权重特点
新闻资讯0.30.20.20.3重视传播和时效
技术文章0.20.30.30.2重视深度互动
视频内容0.40.20.10.3重视观看和分享
社区讨论0.10.20.50.2重视讨论热度

小结

  1. 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
  2. 权重需要调优:不同业务场景需要不同的权重配置
  3. 时间衰减至关重要:保证榜单的实时性和新鲜度
  4. 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。