时段增量算法：
一段时间内的某一动作增量（点赞等）的排名
1
2
3
+部署简单，榜单内容更新快
-不平滑，前小时top内容可能在下一小时沉底
-缺乏旧内容淘汰机制，旧内容长期霸榜
单向动作（点赞）+时间重力：
点赞量与内容发布时间长短，进行计算并排名
+对旧内容有下沉处理，保证新优质内容的稳定露出
P=内容得赞数；-1=忽略发帖人自己；T=发帖时间；+2=内容转载到自己网站平均需要2小时；G=时间重力因子
G时间重力因子是决定内容排名随时间下降的曲线速度；G越大，排行榜更新越快；所以根据上榜内容产出速度决定（分母时间是个指数形式，默认g=1.8，那么过15个小时左右 score就会大幅度降下来）
双向动作（点赞/反对）+时间因素：
点赞反对双向动作与内容发布时间互相影响排名
1
2
+考虑了双向动作，超级受欢迎内容排名靠前
-有争议内容无法靠前
x=赞成-反对；y=-1/0/1（x 大于/等于/小于 0）；z=x的绝对值（x=0时，z=1）；t=发帖时间-社区建成时间；45000=12.5小时（由内容更新速度决定）
前半部分公式：z越大，得分越高；但有了大量赞后，后续赞对排名得分影响越低，而反向动作（踩）会有更大效用
后半部分公式：t越大，内容越新，后一天的内容得分会高2分（也就是说，前一天的内容相比后一天内容高，则净赞成要增加100倍）；y负责加减分
热门话题算法（话题参与度、下属内容质量、时间）：
类似知乎问题热度榜单，问题+回答/内容+评论，父子内容的父内容排名，以此找出某段时间内的热点问题
问题浏览次数越多，越受关注，得分越高；log：当访问量越来越大，后续增量对总分的影响就越来越小
问题得分越高，排名越高；Qanwser=问题的回答数量，不管问题得分多高，只要回答少于“5”（平均回答数），则大幅下降分数
全部回答总分
Qage（距离问题发表的时间）Qupdated（距离最后一个回答的时间），两项时间越长，时效越小，最后分数越低
牛顿冷却定律算法：
热文在榜单上的升降，本质是内容的热度在随时间自然冷却；沿用物理热度冷却算法
T（t）=温度随时间冷却的函数；H=室温（普通内容的温度）；常数α=室温与降温速率的比例关系
本期得分 = 上一期得分 x exp(-(冷却系数) x 间隔的小时数)
冷却系数由社区内容更新速度决定（假定一篇新文章的初始分数是100分，24小时之后”冷却”为1分，那么可以计算得到”冷却系数”约等于0.192）
威尔逊区间概率算（全时段的排名算法）：
如“全站最受用户好评的内容”
1
2
+可以修正小样本数据下的置信度
-得票少的新内容难以露出
二项分布，在某一置信度下，计算内容的好评率，及其置信区间，根据置信区间的下限值，进行排名。这个值越大，排名就越高。
贝叶斯平均推导（全时段的排名算法）：
不知道新内容的质量，则先假定其有平均水平，依靠后续情报进行修正其得分。 如B站，在此基础上加入了时间限制
1
2
+让新优质内容有机会露出
-只针对正态分布有效；对于5人高赞，1人负面&3人中评的内容，后者更高排名
v=真实投票数，m=全站平均投票数，R为现在的平均得分，假设一开始每个作品均有平均水平，随投票人数增加，最终得分越贴近真实值。 C为全站平均得分，低样本下，作品初始分数即为平均分数
