algorithm - 对基于位置的社交网络的帖子供稿进行排序的评分公式的建议

Question

我正在构建一个基于位置的社交网络应用程序。这个想法是允许用户发布并与附近的人互动。该应用程序的主要供稿将根据它们的接近度（d = 帖子发布的距离）和新近度（a = 发布的时间）来显示帖子。

我正在尝试提出一个公式，该公式将为每个帖子评分以进行排序并实现以下目标：

• 高新近度和高接近度的帖子首先显示（例如 d=1km，a=1 小时）
• 如果一个帖子距离很近但很旧（例如 d=1km, a=5 天），稍微更远的结果（例如 d=5km, a=1 小时）排名更高
• 非常远的帖子（例如 d=10000，a=1 小时）只会比附近非常老的帖子（例如 d=10km，a=1 年）排名更高

我们正试图在看到足够本地化的东西既相关又新鲜之间取得平衡。虽然算法解决方案是可能的，但此时我们正在寻找一个公式来对帖子进行评分和排序。寻找合适的评分公式的建议。

标签： algorithmsortingformula

Answer 1

一个好的公式几乎肯定会有一些需要调整的任意参数。（要了解原因，请注意无论距离以米为单位（其中 500 是一个非常小的值）或公里（其中 500 是一个非常大的值），您都希望得到相同的结果。）

对于中到大的值，我的直觉是你需要一个对数刻度；1 公里和 2 公里之间的差异似乎与 100 公里和 200 公里之间的差异非常相似（而不是 100 公里和 101 公里之间的差异），3 天和 6 天之间的差异似乎与差异非常相似30 天和 60 天之间（而不是 30 天和 31 天之间的差异）。这意味着类似

分数 = a log d + b log t

（分数越低意味着帖子更相关）。

但是，由于对数对于极小的值会发散到负无穷大，因此您需要针对非常小的值进行调整；您不希望“就在这里，一年前”和“地球的另一边，0 秒前”被认为比“30 米外，十分钟前”更相关。一种方法是添加一点偏移量，这样您就不会采用非常小的值的对数：

分数 = a log( d +1) + b log( t +1)

我相信你会发现随着时间的推移你必须做更多的调整。我很想听听你的想法！