什么是 Youtube 评论系统排序/排名算法？
What is Youtube comment system sorting / ranking algorithm?
Youtube 提供两种排序选项：最新优先和热门评论。 "Newest first" 非常简单，我们只需按 post 日期对评论进行排序。但是 "Top comments" 似乎比仅按 "thumb up" 排序要复杂得多。
经过短暂的研究，我发现评论的顺序取决于那些东西：
- "thumb up" 和 "thumb down" 的数量
- Post 日期
- 对该评论的回复数量
但我不知道 Youtube 是如何使用这些信息来决定顺序的，比如哪些信息更重要，哪些信息不那么重要。
有没有关于这个话题的文章可以参考？
谢谢！
我有你问题的答案。
在互联网上搜索此问题的答案后，我一直找不到我要找的东西。因此，我和我的同事决定尝试使用带有 Youtube 评论的系统。
首先，我们将我们认为受欢迎的视频分类到一个部分，将一般视频分类到另一个部分，将不太受欢迎的视频分类到最后一个部分。每个部分有 200 个视频，经过几天的检查，我们开始注意到一个模式。我们发现您对所需的三件事是正确的，但我们也更深入地研究并发现了一个额外的变量。
Youtube 评论系统取决于四件事：
1) posted 时间，
2) Like/dislike 一条评论的比率，
3) 回复数，
4) 而且，不管你信不信，WHO post 编辑了它。
每个 public 评论的平均 like/dislike 比率 你曾经 posted 构建它，因为（我们预测) 他们认为 like/dislike 比率低的人会 post 发表许多人不喜欢或根本不同意的评论。
它有一个算法，它比您想象的要简单得多。基本上有这些我们称之为 "module points," 的东西，你会根据这四个因素得到一个特定的东西。首先，以下是您需要了解的关于模块点转换的两个因素：
对于评论中的 like/dislike 比率，将该数字乘以十。
对于评论的回复数量（不是来自原始 poster），有两个模块点。
这是判断评论模块点数的两个基本因素。
例如，如果一条评论有 27 个喜欢和 8 个不喜欢，则比率为 3.375。乘以 10，您将获得 33.75 个模块点数。使用下一个因素，回复数量，假设这条评论有 4 个直接回复。 2乘以4，我们得到8。这是你在累积模块点数上加8的部分，总共有41.75个模块点数。
但我们还没有完成；这就是它变得棘手的地方。
使用一个人曾经postpublic发表的总评论的平均like/dislike比率，我们发现添加到累积模块点数的公式是这样的:
C = MP(R/3) + (MP/10)
where C = Comment Position Variable; MP = Module Points; R = Person's total like/dislike ratio
相信我，我们只在这部分花了 DAYS，这可能是最令人沮丧的。尽管这个等式中的 3 和 10 看起来是随机的和不必要的，但到目前为止我们测试这个等式的所有评论都通过了测试，但是当这两个变量被删除时没有通过测试。完成此等式后，它会为您提供一个数字，我们将其命名为 位置变量 。
然而，我们还没有完成，我们还没有谈到time。
我真的很惊讶这部分没有我预期的那么长，但是对于我们测试的每条评论每次都计算这个等式确实很痛苦。起初，在测试时，我们认为如果 2 条评论具有相同的位置变量，那么打破障碍的时间就到了。
事实上，当发生这种情况时，我几乎把它称为实验的总结，但经过进一步检查，我们发现还有更多工作要做。我们发现一些具有相同位置变量的评论在排名上超过彼此，但时间似乎是随机的！经过几天的检查，这里是最终结果：
在应用第 4 个变量之前，我们还必须找到另一个方程。使用另一个单独的方程式，这是我们的代数推导结果：
X = 1/3(S/10 + A) x [absolute value of](A - 3S)
where X = Timing Variable; S = How long ago the video was posted in minutes; A = How long ago the comment was posted in minutes
我希望这是我编造的，但不幸的是，系统就是这么复杂。其他变量背后有数学上的原因，但它们太复杂无法解释，可能至少需要三段来解释。我们根据 150 多条评论测试了这个等式，所有评论都被证实是正确的。
一旦你找到 X，也就是我们所说的 时间变量 ，你所要做的就是将它应用到这个等式：
N = X(C/4 + 1)
where X = Timing Variable; C = Positioning Variable
N 是您所有问题的答案。
这是最终的等式，最终的答案。简单的结论：N 越高，评论就越高。
注意：特别感谢我的同事：David Mattison、Josh Williams、Diego Mendieta、Steven Orsette 和 Kyle Shropshire。如果没有他们和他们为此付出的努力，我可能永远不会发现这一点。
Youtube 提供两种排序选项：最新优先和热门评论。 "Newest first" 非常简单，我们只需按 post 日期对评论进行排序。但是 "Top comments" 似乎比仅按 "thumb up" 排序要复杂得多。
经过短暂的研究，我发现评论的顺序取决于那些东西：
- "thumb up" 和 "thumb down" 的数量
- Post 日期
- 对该评论的回复数量
但我不知道 Youtube 是如何使用这些信息来决定顺序的，比如哪些信息更重要，哪些信息不那么重要。
有没有关于这个话题的文章可以参考？
谢谢！
我有你问题的答案。
在互联网上搜索此问题的答案后，我一直找不到我要找的东西。因此，我和我的同事决定尝试使用带有 Youtube 评论的系统。
首先，我们将我们认为受欢迎的视频分类到一个部分，将一般视频分类到另一个部分，将不太受欢迎的视频分类到最后一个部分。每个部分有 200 个视频，经过几天的检查，我们开始注意到一个模式。我们发现您对所需的三件事是正确的，但我们也更深入地研究并发现了一个额外的变量。
Youtube 评论系统取决于四件事：
1) posted 时间，
2) Like/dislike 一条评论的比率，
3) 回复数，
4) 而且，不管你信不信，WHO post 编辑了它。
每个 public 评论的平均 like/dislike 比率 你曾经 posted 构建它，因为（我们预测) 他们认为 like/dislike 比率低的人会 post 发表许多人不喜欢或根本不同意的评论。
它有一个算法，它比您想象的要简单得多。基本上有这些我们称之为 "module points," 的东西，你会根据这四个因素得到一个特定的东西。首先，以下是您需要了解的关于模块点转换的两个因素：
对于评论中的 like/dislike 比率，将该数字乘以十。
对于评论的回复数量（不是来自原始 poster），有两个模块点。
这是判断评论模块点数的两个基本因素。
例如，如果一条评论有 27 个喜欢和 8 个不喜欢，则比率为 3.375。乘以 10，您将获得 33.75 个模块点数。使用下一个因素，回复数量，假设这条评论有 4 个直接回复。 2乘以4，我们得到8。这是你在累积模块点数上加8的部分，总共有41.75个模块点数。
但我们还没有完成；这就是它变得棘手的地方。
使用一个人曾经postpublic发表的总评论的平均like/dislike比率，我们发现添加到累积模块点数的公式是这样的:
C = MP(R/3) + (MP/10)
where C = Comment Position Variable; MP = Module Points; R = Person's total like/dislike ratio
相信我，我们只在这部分花了 DAYS，这可能是最令人沮丧的。尽管这个等式中的 3 和 10 看起来是随机的和不必要的，但到目前为止我们测试这个等式的所有评论都通过了测试，但是当这两个变量被删除时没有通过测试。完成此等式后，它会为您提供一个数字，我们将其命名为 位置变量 。
然而，我们还没有完成，我们还没有谈到time。
我真的很惊讶这部分没有我预期的那么长，但是对于我们测试的每条评论每次都计算这个等式确实很痛苦。起初，在测试时，我们认为如果 2 条评论具有相同的位置变量，那么打破障碍的时间就到了。
事实上，当发生这种情况时，我几乎把它称为实验的总结，但经过进一步检查，我们发现还有更多工作要做。我们发现一些具有相同位置变量的评论在排名上超过彼此，但时间似乎是随机的！经过几天的检查，这里是最终结果：
在应用第 4 个变量之前，我们还必须找到另一个方程。使用另一个单独的方程式，这是我们的代数推导结果：
X = 1/3(S/10 + A) x [absolute value of](A - 3S)
where X = Timing Variable; S = How long ago the video was posted in minutes; A = How long ago the comment was posted in minutes
我希望这是我编造的，但不幸的是，系统就是这么复杂。其他变量背后有数学上的原因，但它们太复杂无法解释，可能至少需要三段来解释。我们根据 150 多条评论测试了这个等式，所有评论都被证实是正确的。
一旦你找到 X，也就是我们所说的 时间变量 ，你所要做的就是将它应用到这个等式：
N = X(C/4 + 1)
where X = Timing Variable; C = Positioning Variable
N 是您所有问题的答案。
这是最终的等式，最终的答案。简单的结论：N 越高，评论就越高。
注意：特别感谢我的同事：David Mattison、Josh Williams、Diego Mendieta、Steven Orsette 和 Kyle Shropshire。如果没有他们和他们为此付出的努力，我可能永远不会发现这一点。