Web排行榜相关排序算法总结
资讯、成就值排序算法
1、通用的排序算法
（1）单位时间的交互数（每小时更新一次）
（2）总交互数
（3）评论数加权
（4）按时间排序
设计带权score函数，涉及：交互数、点赞数、点踩数、评论数、浏览数、时间，点赞很容易 权值应该小，写评论往往不多 权值应该稍大（比如微博点赞很多 发博人稍少 写博客的更少 所以权值不能相同）
实现算法：找出参与排序的元素，利用Redis里面的sortedset(有序队列) 利用jedis.zadd和jedis.zrange等方法就可以选出排名前多少的对象。
排序线程定时触发计算score分数（优化计算score分数 重新排序，优化的话不用计算所有实例的分数，可以计算近3天的，也可以计算上次排序到这次排序之间发生变化的实例）
2、经典开源排序算法
（1）Hacker News
http://news.ycombinator.com (科技新闻的资讯网站)
排序算法：
Score=（p-1）/（t+2）G
P：投票数（点赞数），-1是先把自己投的赞给过滤掉
T:发布资讯到现在的时间间隔（小时），+2防止除数太小。
G：重力加速度，指数增大时间参数的影响，时间越久score越低（G=2 时间T从2到3那么分母就从16到25，指数增长很快）
从业务角度Hacker News是科技新闻资讯网站，偏实时性，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。
（2）Reddis
http://www.reddis.com Alexa排名全世界22网站流量大，新闻资讯网站，资讯可赞可踩，
计算过程
T=A-B （A发帖时间 B网站成立时间）
X=U-D （U点赞数 D踩的数）
X>0 y=1;x<0 y=-1 x=0y=0;
Z=|x|
F(t,y,z)=log10(z) + (yt)/45000
因为流量数很大z很大 所以用log将其收敛，一天的时间权重86400/45000=1.92，而10^1.92=83，也就是说赞踩差要涨到83倍才可以与一天前分数相同。透露这样一种思想，前10个点赞很有效，但是从100到1000个可能是跟风点赞导致，并没有前十个那么有依据。时间最重要的流量比较大，所以高赞文章有优势，适合新闻类排序。
（3）StackOverflow
浏览数容易上涨，通过log将其平滑下来，
（4）IMDB 电影打分
加权排名（WR）=（v/（v+m））*r + (m/ (v+m))*c
R=电影投票的平均分
V=有效投票人数
M=最低投票人数，1250
C=所有电影的平均值
投票人越多，偏向于用户打分值，防止冷门电影小数人高分导致的高分，v是有效投票人数可以防止水军刷票（比如 某批人只给一个电影打过分）