影评类网站（豆瓣，IMDB），资讯网站（hacker news),问题回答网站（知乎，stackoverflow），视频网站（腾讯视频，爱奇艺，优酷）都会使用热榜，吸引用户来观看优质的内容。

可以根据几个重大特征分为几种不同的榜单

比如按时间维度可以得到最新榜单

按访问量（点击量，播放量）可以得到最热榜单

按着评分可以得到好评榜单

1简单粗暴的算法

使用简单一个维度的数据算法出一个值，然后按这个值排序

比如最新就按发布时间的时间戳进行排序，最热就是使用总播放量，好评就是所有用户评分求平均

由于视频每时每刻都在发布，所以这个值在变化。当某个播放量很高时，一直都排在前面，随着时间的流逝，top的榜单几乎不变化了。

使用这个算法的公司是Delicious

2.时间干预算法

之前没有考虑时间的因素。

Hacker News是一个资讯排行榜，用户觉得某个资讯好久可以投一票，这样的投票数就形成了一个最热排行榜。

P表示帖子的得票数，减去1是为了忽略发贴人的投票

T表示距离发帖的时间（单位为小时），加上2是为了方式最新的帖子导致分母过小。

G表示”重力因子“（gravity power) ,即将帖子排名向下拉的力量，默认值为1.8.

3反对票算法。

Reddit(美国版贴吧）

很多网站例如Reddit可以容许用户投反对票。Reddit一个类似贴吧这类的社区，不是一个激进，展示少数派刑法的地方，所有他们制定的排序算法是不会让有争议的文章排序靠前。

T=发帖时间减去2005年12月8号，Reddit成立时间。

y表示投票方向。如果赞成票居多，y等于1；如果反对票居多，y等于-1；如果赞成票和反对票相等，y等于0。

z等于赞成票与反对票之间差值的绝对值。

前一部分表示赞成票与反对票的差额越大，得分越高。后者t越大，得分越高，新帖的得分肯定会高于老帖子的得分，从而把老帖子的排名向下拉。

4.用户行为算法

有些特殊用途的网站，必须考虑更多因素，世界排名第一的程序员问答社区stackoverflow。

在上面提出各种关于编程的问题，等待别人回答。访问者可以对你的问题进行投票（赞成票或者反对票），表示这个问题是否有价值。

Qviews表示某个问题浏览次数越多，就代表越受关注，得分也越高、

Qscore(问题得分）和Qanswers(回答的数量）Qscore等于赞成票减去反对票。如果问题受到好评，排名靠前

Ascore回答得分。这一项得分越高，代表回答的质量越高

Qae距离问题发表的时间和Qupdated距离最后一个回答的时间

如果一个问题的存在时间越久，或者距离上一次回答的事件越久，Qage和Qupdated的值就相应增大。

5.威尔逊区间

设定

1每个用户的投票都是独立事件

2用户有两个选择，要么投赞成票，要么投反对票

3如果投票总人数为n，其中赞成票的比例p等于k/n

这是一种统计分布，叫做二项分布（binomial distribution).p值越大，代表这个项目的好评比例越高，越应该排在前面，对于P的可信度，取决于有多少人投票，如果样本太小，p就不可信。

排名算法：

第一步，计算每个项目的好评值（赞成票的比例）

第二步，计算每个”好评率“的置信区间（以95%）

第三步，根据置信区间的下限值，进行排名，这个值越大，排名越高

表示对应某个置信水平的z统计量，一般情况下，在95%的z统计值为1.96、n表示样本的大小。

Reddit现在在使用这个排序算法

6贝叶斯平均算法

为了解决排行榜总是那些票数最多的项目，新项目和老项目都难得到出头机会。排名可能长期靠后。

IMDB是世界上最大的电影数据库。系统根据投票结果，计算出每部电影的平均得分，然后通过平均得分，排出最受欢迎的前250名电影。

WR加权得分

R该电影的用户投票的平均得分

V该电影的投票人数

M排名前250名的电影的最低投票数

C所有电影的平均得分

C投票人数扩展的规模，是一个定义的常数，与整个网站的总体用户人数有关，可以等于每个项目的平均投票数

N该项目的现有投票人数

X该项目的每张选票的值

M总体平均分，即整个网站所有选票的算术平均值

它借鉴了贝叶斯推断的思想：不知道投票结果，先预计一个值，然后不断用洗的呢信息修正，使它越来越接近正确的值。

7微博知乎热搜算法

微博热搜最重要的是搜索热度和传播热度

微博热搜排序=（搜索热度+传播热度）*话题因子*互动因子

搜索热度一搜索量为基础，传播热度以热点相关博文阅读量为基础，话题因子以话题讨论量为基础，互动因子以结果也的转评赞互动率为基础

知乎热榜正比于浏览量，互动量，专业加权，创作时间和在帮时间。

8 bilibili热搜算法

主榜

总分=播放（站内）*分p修正*修正A+评论*修正B*50+硬币*硬币B*10+收藏*20

9 抖音热度算法

抖音上热门的算法包括几个关键的东西（转发，评论，点赞，播放时长，停留时长，停留轨迹，账户活跃度，粉丝数，经得起审核，经得起举报，具体的公式也没有公开。

平日账户的活跃度，给人点赞，评论，互动等，都会影响你账户的权重。权重分越高，那么发布的内容被推荐出去给更多人看的概率就会越大，分值越低展现就越少。所以千万不要用一些软件去引流，很容易给系统抓住，后降权，甚至封号，即使没有被封号，基本已经丢进小黑屋，限制流量，那么基本就废了。玩抖音运营的都知道，抖音是靠算法推荐才有展现的，但是随着抖音创作者者和用户的不断增加推荐机制也越来越严格，近期很多创作视频推荐都不理想。总结原因来看，没推荐很大原因是因为你的视频点赞率、评论率、分享率、完播率、复播率没有达到系统的要求。

10 今日头条热榜算法

公式：信息热度（H)=信息的初始热度（H0)+信息的交互热度（H(user))-随时间递减的热度（H(time))

首先得出该信息的所有关键词，方式：发布人自定义标签+系统根据标准词库和停用词库进行系统选择。

信息的初始热度（H0)

第一种计算法：根据该信息所属的分类进行热度计算。例如，娱乐类的S(0)=H*1.5,体育类的S(0)=H*1.2

第二类计算法：计算该信息的所有关键词与热词库的匹配度。S(0)=匹配度*H

信息的交互热度

H(User)=(1*阅读量+2*推荐数+3*评论数+4*分享数）*N

随着时间递减的热度（H(time))

11 掘金内容热度算法

H是一个内容的热度

W是一个文章的阅读量，评论数，点赞量加权求和的数值

I是一个内容的初始数值 文章作者的影响因子。这个影响因子与作者本身的历史掘力值有关

G一个衰减的重力参数

T文章发布以来的时长

作为掘金社区，我们希望将更好内容带给读者，丛书之上，我们希望总和的W变高，同时平衡其与

C：一篇文章本身的质量表达，多快获得点赞，获得阅读，点击量，点赞率

d：点赞率，点击率随着文章存在时间是否会衰减

12.新榜排名算法

新榜指数（New Rank Index,NRI)由新媒体排行榜基于海量数据，用户深度反馈以及专家建议推出，反应新媒体主体的热度和发展趋势。

整体指标（总阅读量，R）统计周期内所有发布内容的阅读数总和；优异指数（最高阅读R_m):是统计周期内所有发布内容中的单片最高阅读量；质量指标（平均阅读数R_a)统计周期内所有发布内容的阅读数的平均数；主动预判指标（R_h):统计周期内位置为头条的内容的阅读总和;互动指标（总点赞数）：统计周期内所有发布内容的点赞数总和。

在不同的时间周期，即日，周，月，年（n=1,7,30,365)下，以上常数具体值的基础上，下列指标进行标准化：

指数加权

新榜指数的计算公式：

W_R=0.75,W_Rm=0.05,W_Ra=0.1,W_Rh=0.05,W_z=0.05

Reference：

从豆瓣电影评分算法说起https://www.jianshu.com/p/77ac83db802d

新榜指数（NRI）算法说明 http://www.jswku.com/p-14754787.html

抖音上热门算法公式https://www.douban.com/note/735267655/