自己负责的app也有热点新闻模块，也一直没搞清楚究竟如何进行个性化推荐，最近看到一篇腾讯pm写的文章，收获很多，根据记忆进行下复盘。
一、基本原理
新闻热度分=初始分+用户交互热度分-随时间的衰减分
换成公式：Score=S0+S（Users）-S（Time）
二、初始分要不要一样
结论：初始分不要一样
原因：
1）八卦和娱乐新闻大众用户本身会比较喜欢，历史类新闻喜欢的用户群体较小
2）新闻实时性较强，奥运期间用户对体育类新闻比较关注，灾害期间，用户对灾害类相关新闻比较关注
3）根据产品不同的属性，对新闻本身的侧重点也不一样，栗子：文化类产品，文化类新闻就会有较高的初始分
三、初始分如何设置
结论：给不同维度新闻不同的权重，特殊情况下调整维度的权重
举个栗子：
初始权重设置
特殊情况下权重如何调整？手动？太low，举个栗子：可以设置热词库
再来个栗子：
体育类热词库：奥运会，NBA总决赛，世界杯
当有大量新闻触发热词库时，超过一定的阈值时，此时可以触发权重调整机制
所以这个权重就变成了
四、用户行为分不是固定不变的
原因：当产品的用户体量较小时，要体现用户的重要性，这时候用户行为分要高；当产品体量较大时，需要对内容进行运营，此时要适当降低用户的行为分
用户的行为：阅读（click），收藏（favor），分享（share），评论（comment）
用户体量较小时，用户行为分：
S（Users）=1click+5favor+10share+8comment
用户体量较大时，用户行为分：
S（Users）=（1click+5favor+10share+8comment）*C/DAU
C:一个常数
DAU：传说中的日活，每日活跃用户数
五、热度分随时间衰减不应该是线性的
原因：新闻都有时效性，随着时间的流逝，热度分必须衰减的越来越快，直致趋近于零
换成人话：随着时间的流逝，一个新闻要想维持热度，必须越来越多的人来维护才行
大概就是这样一个图
下面就是考察知识面的时候了，牛顿曾经在冰块里面想到了一个定理，所以这个定理就叫：牛顿冷却定理
所以
T（Time）=e^（K*（T1-T0））
T0：新闻发布时间
T1：新闻当前时间
六、最终结论
考虑到热度最终要无限趋近于零，所以最终的算法公式就是
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
还在下面
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
这么有毅力
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
竟然看到了这里，夸奖下
。
。
。
。
。
。
。
。
。
。
。
。
。
最终的公式就是：Score=（S0+S（Users））/T（Time）
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
好了，真没了
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
晚安，愿世界和平！
