Алгоритмы ранжирования в W3A: Как работают умные ленты новостей и комментариев

Проблема среднего арифметического

Представьте два комментария:

• Комментарий A: 10 голосов «за», 0 «против» (100% положительных)
• Комментарий B: 950 голосов «за», 50 «против» (95% положительных)

Если сортировать по среднему рейтингу, Комментарий A окажется выше, хотя у Комментария B в 95 раз больше голосов и статистически более надежный рейтинг.

Решение — интервал Вильсона.

Как это работает

Формула Вильсона вычисляет нижнюю границу доверительного интервала для биномиального распределения. Проще говоря: она отвечает на вопрос «какой минимальный рейтинг мы можем гарантировать с определенной уверенностью?»

function wilson_score(int $score, int $flags): float
{
    $ups = $score + $flags;
    $downs = $flags;
    $n = $ups + $downs;
    
    if ($n === 0) {
        return 0.0;
    }
    
    // Z-оценка для 80% доверительного интервала
    $z = 1.281551565545;
    $p = $ups / $n; // Доля положительных голосов
    
    // Формула Вильсона
    $zSquared = $z * $z;
    $left = $p + (1 / (2 * $n) * $zSquared);
    $right = $z * sqrt(($p * ((1 - $p) / $n)) + ($zSquared / (4 * $n * $n)));
    $under = 1.0 + ((1.0 / $n) * $zSquared);
    
    $confidence = ($left - $right) / $under;
    
    return max(0.0, min(1.0, $confidence));
}

Ключевые параметры

• $z = 1.281551565545 — Z-оценка для 80% доверительного интервала (в Reddit используют 1.28)
• $p — доля положительных голосов (upvotes / total)
• $n — общее количество голосов

Почему это лучше?

Пример расчета:

Несмотря на 100% рейтинг, Комментарии A и C получают более низкий Wilson Score из-за малого количества голосов. Комментарий B с 95% и большим числом голосов оказывается выше — это справедливо!

Преимущества подхода

✅ Защита от накрутки: Новые комментарии с 1-2 голосами не попадают в топ
✅ Статистическая надежность: Учитывается размер выборки
✅ Автоматическая фильтрация спама: Флаги сильно снижают рейтинг
✅ Баланс нового и качественного: Хорошие комментарии поднимаются по мере получения голосов

Проблема хронологической сортировки

Простая сортировка по дате (новые сверху) игнорирует качество контента. Сортировка по общему рейтингу favoreт старые публикации, которые просто успели набрать больше голосов.

Решение — комбинированная метрика «горячести».

Как это работает

Алгоритм объединяет логарифм рейтинга с временным затуханием:

function calculate_hotness(int $score, string $createdAt): float
{
    // Логарифмическая шкала рейтинга
    $order = log10(max(abs($score), 1));
    
    // Знак (положительный/отрицательный рейтинг)
    $sign = $score > 0 ? 1 : ($score < 0 ? -1 : 0);
    
    // Epoch для расчета времени (база: 8 декабря 2005 — запуск Reddit)
    $epoch = strtotime('2005-12-08');
    $seconds = strtotime($createdAt) - $epoch;
    
    // Финальная формула: (логарифм рейтинга) + (время / константа затухания)
    return round(($sign * $order) + ($seconds / 45000), 7);
}

Разбор формулы

1. Логарифмическая шкала (log10)

score = 10    → order = 1
score = 100   → order = 2
score = 1000  → order = 3
score = 10000 → order = 4

Логарифм предотвращает доминирование сверхпопулярных материалов. Разница между 10 и 100 голосами важнее, чем между 1000 и 1010.

2. Временной компонент (seconds / 45000)

• 45000 секунд ≈ 12.5 часов — период полураспада «горячести»
• Каждая публикация получает временной бонус, который уменьшается со временем
• Новые материалы автоматически получают преимущество

3. Константа эпохи (8 декабря 2005)

Это дата запуска Reddit. Используется как базовая точка отсчета для совместимости с оригинальной формулой Reddit.

Пример работы

Допустим, сейчас 22 июня 2026 года:

Несмотря на то, что История C имеет в 10 раз больше голосов чем A, она оказывается ниже из-за возраста. История A «горячее» — она новая и уже набрала хороший рейтинг.

Почему 45000 секунд?

Это эмпирическая константа, подобранная Reddit. Она означает:

• Через 12.5 часов история теряет примерно 1 порядок логарифмической шкалы
• Через 24 часа даже очень популярная история (score=1000) уступит новой с score=10
• Это создает быстро обновляемую ленту, где всегда есть место новому контенту

Преимущества подхода

✅ Баланс старого и нового: Популярные материалы не доминируют вечно
✅ Защита от «вечного топа»: Старые истории плавно опускаются
✅ Стимулирование активности: Новые публикации получают шанс
✅ Логарифмическая справедливость: 10→100 важнее чем 1000→1010

Reddit

• Hotness: Использует аналогичную формулу с константой 45000
• Comments: Wilson Score с Z=1.28 (80% доверие)
• W3A: Полная совместимость с подходом Reddit

Hacker News

• Использует формулу: (p - 1) / (t + 2)^gravity
• Где p — очки, t — время в часах, gravity ≈ 1.8
• Более агрессивное временное затухание

Lobsters

• Комбинация votes, comments и времени
• Формула: votes + comments * 0.5 с временным множителем
• Более мягкое ранжирование

Когда использовать Wilson Score?

✅ Рейтинги с голосами «за/против»
✅ Комментарии и отзывы
✅ Пользовательский контент с модерацией
✅ Любые ситуации с малым количеством голосов

Когда использовать Hotness?

✅ Ленты новостей
✅ Социальные агрегаторы
✅ Платформы с частыми публикациями
✅ Когда важно показывать свежий качественный контент

Настройка под свой проект

Для Wilson Score:

• Измените $z для другого доверительного интервала:
  • 1.28 — 80% (Reddit, W3A)
  • 1.64 — 90%
  • 1.96 — 95% (более консервативно)

Для Hotness:

• Измените делитель 45000:
  • 25000 — быстрее обновление (6 часов полураспада)
  • 75000 — медленнее (24 часа полураспада)
  • 100000 — очень медленно (36 часов)