复现Reddit Hot算法时始终返回0，求解决方案

嘿，我来帮你搞定这个Reddit Hot算法的问题！你现在遇到的核心问题是那个指数衰减项exp(-8 * x * x)太激进了，导致结果很快就趋近于0，咱们一步步来拆解解决思路：

问题根源分析 #

你写的衰减公式exp(-8 * x * x)是二次指数衰减，衰减速度快到离谱：

• 当帖子发布1天后（x=0），衰减项是exp(0)=1，没问题；
• 发布2天后（x=1），exp(-8*1²)=exp(-8)≈0.0003，已经几乎可以忽略；
• 发布3天后（x=2），exp(-8*4)=exp(-32)，这个值小到在Python里直接显示为0。

这完全不符合Reddit原算法的设计——原算法的时间衰减是线性偏移，不是极端的二次指数衰减。

正确的解决思路 #

1. 还原Reddit原Hot算法的核心逻辑 #

Reddit的Hot算法公式核心是：

分数 = log(max(|点赞数-点踩数|, 1)) + (帖子发布时间戳 - 基准时间戳) / 45000

其中：

• 基准时间戳是2005年12月8日（对应Unix时间戳1134028003），这是Reddit上线的时间；
• 45000秒（约12.5小时）是时间衰减的系数，意思是每过12.5小时，帖子的时间权重增加1分（和投票得分的权重对齐）；
• 还要区分投票差的正负：如果是正分（点赞>点踩），直接用log值；如果是负分，用-log的相反数。

2. 修正后的代码示例 #

import math
from datetime import datetime

def hot(self):
    # 原算法核心是计算点赞与点踩的差值，而不是只算点赞
    vote_diff = self.upvotes - self.downvotes
    # 取绝对值的对数，避免0或负数的log问题
    abs_vote = max(abs(vote_diff), 1)
    base_score = math.log(abs_vote)
    
    # Reddit的基准时间（2005年12月8日）
    reddit_epoch = datetime.fromtimestamp(1134028003)
    # 计算帖子发布到现在的总秒数，而不是天数（精度更高）
    time_diff_seconds = (datetime.now() - self.post.date).total_seconds()
    # 时间衰减项：每45000秒（约12.5小时）增加1分权重
    time_factor = time_diff_seconds / 45000
    
    # 根据投票差的正负调整基准分
    if vote_diff > 0:
        final_score = base_score + time_factor
    elif vote_diff < 0:
        final_score = -base_score + time_factor
    else:
        final_score = time_factor  # 投票差为0时，只看时间
    
    print('Final:', final_score)
    return final_score

3. 如果坚持用指数衰减（非原算法） #

如果你一定要保留指数衰减的逻辑，需要大幅降低衰减系数，同时把二次项改成一次项，让衰减更平缓。比如把公式改成exp(-0.08 * x)，其中x是发布后的天数：

def hot(self):
    s = self.upvotes - self.downvotes
    base_score = math.log(max(abs(s), 1))
    now = datetime.now()
    time_diff_days = (now - self.post.date).days
    
    # 平缓的一次指数衰减，系数0.08可根据需求调整
    if time_diff_days > 1:
        decay_factor = math.exp(-0.08 * (time_diff_days - 1))
        base_score *= decay_factor
    
    print('Final:', base_score)
    return base_score

这样哪怕帖子发布10天，衰减项是exp(-0.08*9)=exp(-0.72)≈0.487，还能保留接近一半的基础分，不会直接变成0。

内容的提问来源于stack exchange，提问作者Zorgan