來源：http://www.cnblogs.com/weidagang2046/archive/2009/07/31/1535902.html

?

今天在dudu的《博客園FAQ》上看到了博客積分算法規(guī)則。因?yàn)橥瑯邮歉慊ヂ?lián)網(wǎng)的，平時(shí)工作也涉及到用戶積分算法的設(shè)計(jì)，所以特把此問題拿出來分析探討。初衷只是純學(xué)術(shù)的研究探討，并不構(gòu)成對(duì)博客園積分機(jī)制的意見建議。

我們先來看看現(xiàn)行規(guī)則，用公式表示為：
-------------------------------------------------------------------
BlogScore = BeRead + 10 * BeComment + 50 * Comment

BlogScore：博客積分
BeRead：個(gè)人博客所有隨筆和文章的閱讀數(shù)之和
BeComment：個(gè)人博客被評(píng)論總數(shù)
Comment: 個(gè)人所發(fā)表的評(píng)論總數(shù)
-------------------------------------------------------------------
我從這個(gè)公式看出了幾個(gè)問題：
1.發(fā)表隨筆和文章本身不會(huì)為博客帶來積分，但不發(fā)表文章，BeRead和BeCommented將永遠(yuǎn)為0
2.發(fā)表一篇評(píng)論可以直接加50分
3.被閱讀10次等于被評(píng)論一次的積分

?

首頁問題
這里，首先聯(lián)想到是討論已久的“首頁問題”，上首頁對(duì)文章有什么直接的好處呢？通常首頁文章的BeRead值會(huì)比較大，一般1000左右。值得注意的是不同類型和質(zhì)量的文章其BeRead值差距并不是太大，根據(jù)我的經(jīng)驗(yàn)每篇首頁文章的閱讀數(shù)大約在500~3000這個(gè)區(qū)間范圍，最多相差5,6倍。而BeComment值則相差很大，少的有幾乎為0的，普通文章4，5次，多的則達(dá)可到300次以上，相差上百倍，如果再乘上系數(shù)10，就更為可觀。

文章質(zhì)量問題
因 此，那些吸引眼球、引起爭議的文章會(huì)為博客帶來巨大的積分。我們常常看到首頁上一些非技術(shù)文章門庭若市；一些高質(zhì)量的技術(shù)文章，反而只有寥寥幾篇回復(fù)。 一個(gè)好的技術(shù)博客，應(yīng)該鼓勵(lì)產(chǎn)生高質(zhì)量的原創(chuàng)技術(shù)文章，這才是它的核心價(jià)值，而并不是僅僅是像門戶網(wǎng)站一樣賺取人氣。那么應(yīng)如何區(qū)分文章的質(zhì)量呢？當(dāng)然， 最直接的方式就是讀者反饋。現(xiàn)在博客園已經(jīng)有了【推薦】和【反對(duì)】的反饋功能，不妨利用起來作為積分計(jì)算的參考依據(jù)。有了這個(gè)參數(shù)，就能區(qū)別對(duì)待不同質(zhì)量 的文章，讓高質(zhì)量的文章為作者帶來更多的積分。至于具體實(shí)現(xiàn)，我還沒有一個(gè)很好的模型，只能隨便想個(gè)簡單的，比如定義文章質(zhì)量因子：

QualityFactor = log(max(1, 推薦數(shù) - 反對(duì)數(shù)))

在計(jì)算積分的時(shí)候可以考慮把評(píng)論數(shù)或閱讀數(shù)乘上這個(gè)質(zhì)量因子。

PersonRank vs PageRank
在互聯(lián)網(wǎng)上，如果一個(gè)網(wǎng)頁被很多其它網(wǎng)頁所鏈接，說明它受到普遍的承認(rèn)和信賴，那么它的排名就高，這就是Google PageRank算法的核心思想。PageRank把鏈接視為源對(duì)目標(biāo)網(wǎng)頁的投票，而這張票的分量是和源網(wǎng)頁自身的PageRank相關(guān)的。下面是一個(gè)簡單的示意圖：

這在博客園內(nèi)有類似的情況，博客園有MVP，有排名靠前的著名人物，他們的文章常常會(huì)得到大家的追捧，而普通新手的影響力則一時(shí)難以與他們相比。這就說明， 博客或者說作者，與互聯(lián)網(wǎng)的網(wǎng)頁有類似之處，是有Rank之分的，當(dāng)然這個(gè)Rank是動(dòng)態(tài)變化的。如果把評(píng)論看成是對(duì)文章的投票，而這張票的分量與投票者自身的影響力相關(guān)，這就可以產(chǎn)生類似PageRank的PersonRank。假設(shè)園內(nèi)某MVP評(píng)論某篇文章，一般來講他的評(píng)論應(yīng)該比普通評(píng)論更有分量。當(dāng)然，這里還應(yīng)該考慮正面評(píng)價(jià)和負(fù)面評(píng)價(jià)因素，如果他持推薦意見，應(yīng)該加分，如果他持反對(duì)意見則不應(yīng)該加分。

馬太效應(yīng)
什么是馬太效應(yīng)？舉個(gè)熱門新聞算法的例子，越是熱門新聞大家越是去點(diǎn)，越去點(diǎn)它就越熱門，形成一個(gè)惡性循環(huán)。如果算法不好，熱門或許就會(huì)永遠(yuǎn)熱門下去。同樣的道理，在博客園里面，積分高的作者的文章越是熱門，越是熱門他的積分就越來越高。那么應(yīng)該如何避免馬太效應(yīng)，鼓勵(lì)新人輩出呢？常見的方式有兩種，一是衰減機(jī)制，比如，一月前的文章產(chǎn)生的積分應(yīng)該乘上一個(gè)衰減系數(shù)（比如0.9），從而使近一個(gè)月的文章產(chǎn)生的積分所占權(quán)重變大，這樣就避免成名后坐吃山空的現(xiàn)象，真實(shí)地反映出作者近段時(shí)間的貢獻(xiàn)；二是log函數(shù)，對(duì)點(diǎn)擊數(shù)和評(píng)論數(shù)取log以后再作為積分，讓積分的增長變得平滑，避免極端大的分值出現(xiàn)。

一時(shí)興起，隨便想了這么多，拋磚引玉，大家見仁見智！再次聲明，本文是純學(xué)術(shù)探討，不構(gòu)成對(duì)博客園的任何改動(dòng)建議。

轉(zhuǎn)載于:https://www.cnblogs.com/hcbin/archive/2010/04/20/1716370.html

總結(jié)

以上是生活随笔為你收集整理的[其它] - 博客园积分算法探讨的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。