|
知乎已经走过了4年年头，在互联网的世界里，知乎已经成为无可争议的高质量社区，但在经历了高速发展之后，如何管理，筛选，呈现这些大量的信息（数据）成为一个难题，事实上无论对于哪一个社区而言，数据的管理本身就是一个巨大的挑战。知乎是如何下面是知乎联合创始人在七牛大会上的关于知乎数据方面的演讲，虎嗅进行了删
这是知乎非常基础的数据设施，但这个数值计算的量级是不小的（百万回答用户 十万话题，是千亿级别的数量计算），知乎对于权重判定每周都会进行全量的计算，也一直在调整优化中。 答案排序：如何更好的呈现？ 我们对答案排序算法进行优化，目的是让好的答案更靠前。随着用户量不断增加，早期最简单的答案排序规则出现了问题：一些答案友情赞同比较多，让专业性不足的答案被推到靠前的位置。我们想到了给赞同票加权重的方法，基于每个人在话题下的专业权重来计算，排序得到优化，能让大部分优质答案可以排到前面。 虽然针对权重计算的优化仍然在持续进行，我们还是遇到了一些算法上的瓶颈。 当问题下有多个发布较早的回答获得高票时，新的回答即使质量很高，也很难在问题页上获得足够的曝光，难以积累更多赞同票，一些误导性、煽动性的高票内容，即使同时也有很多反对票，仍然排在认真、严谨但票数相对较少的优质回答前面。 这些问题在专业领域内对参与讨论的用户造成的伤害尤其明显。这绝不是我们希望看到的。于是，我们又设计了新的排序算法。 新排序算法的思想是，如果把一个回答展示给很多人看并让他们投票，内容质量不同的回答会得到不同比例的赞同和反对票数，最终得到一个反映内容质量的得分。当投票的人比较少时，可以根据已经获得的票数估计这个回答的质量得分，投票的人越多则估计结果越接近真实得分。如果新一个回答获得了 1 票赞同 0 票反对，也就是说参与投票的用户 100% 都选了赞同，但是因为数量太少，所以得分也不会太高。如果一小段时间后这个回答获得了 20 次赞同 1 次反对，那么基于新算法，我们就有较强的信心把它排在另一个有 50 次赞同 20 次反对的回答前面。原因是我们预测当这个回答同样获得 50 次赞同时，它获得的反对数应该会小于 20。 威尔逊得分算法最好的特性就是，即使前一步我们错了，现在这个新回答排到了前面，获得了更多展示，在它得到更多投票后，算法便会自我修正，基于更多的投票数据更准确地计算得分，从而让排序最终能够真实地反映内容的质量。 我们的新算法年初发布之后，得到知乎站内的用户热烈反馈，也算是做知乎这样产品的好处吧，很多专业的讨论涌现出来，为我们下一步优化提供了很好的想法。 首页Feed的自我修养：内容的个性化推荐 首页的内容会主要考虑这几方面： 1、内容本身的话题领域要跟用户有关，是用户感兴趣的，一个对汽车不感兴趣的用户，即便给他推送最优质的汽车内容，他也会觉得无趣。 （责任编辑：职场达人） |
