这是 Beta 探索课程,内容结构、实验步骤和示例可能会继续调整。
热度计算
热度计算决定榜单质量。一个好的热度公式既要让真正爆发的内容快速上榜,又要避免老内容长期霸榜,还要防止低质量互动刷高排名。
本章主线
本章围绕三类公式展开:
- 时间衰减:用牛顿冷却等方式让热度随时间下降。
- 多维度权重:点击、评论、分享、收藏、完播等行为权重不同。
- 个性化热度:结合用户兴趣,让榜单不只是一张全站榜。
行为权重
不同互动代表的价值不同:
| 行为 | 权重倾向 |
|---|---|
| 浏览 | 弱信号,容易被刷 |
| 点赞 | 中等正反馈 |
| 评论 | 强互动,但需过滤灌水 |
| 分享 | 强传播信号 |
| 收藏/关注 | 长期兴趣信号 |
| 举报/不感兴趣 | 负反馈 |
热度公式应该给强信号更高权重,也要对异常行为降权。
时间衰减
如果没有时间衰减,历史热门会长期占据榜单。常见做法是:
score = interaction_score / pow(age_hours + 2, gravity)其中 gravity 越大,内容衰减越快。实时榜衰减更快,周榜衰减更慢。
公式治理
热度公式不能频繁随意修改。每次调整都要:
- 记录版本。
- 回放历史数据观察榜单变化。
- 小流量灰度。
- 监控投诉、刷榜和内容多样性。
热度公式是榜单系统的产品规则,也是工程规则。下一章会讨论如何用实时计算让公式及时生效。