个人技术博客

EdgeRank是Facebook用来决定把哪些信息推送到你的信息流中的算法。

它会把你可能认为较为无聊的信息隐藏掉，这些信息就不会推送到你的信息流中。

所以你登录Facebook时看到的信息流其实只是所有信息的一些概要（或者说是精华）部分。

EdgeRank把你friends的行为都当作了可能推送到你的信息流中的信息，称为“Edge”。

EdgeRank通过将这些信息加权，使得你可能认为较为有意思的“Edge”推送到你的信息流中。

1.Affinity Score(亲和力因子)

2.Edge Weight(边的权重)

3.Time Decay(时间衰减因子)

Affinity Score:

EdgeRank算法中的Affinity Score部分是通过分析你与你好友的共同好友以及你的行为来进行计算

比如说：A与B有许多的共同好友，这时B对A的Affinity Score就会比较高(这个对于我们的简阅来说用处不大)

下面题第二个例子：

通过你以及你好友的行为来进行计算

行为通常是有如下几种：

1.点击(Clicking)

2.刷新(Refreshing)

3.分享(Sharing)

4.评论(Commenting)

5.打标签(Tagging)

6.添加好友(Friending)

7.点赞(Liking)

这几点行为都会影响Affinity Score,但是在我们的简阅app中是其实只有前3点会影响Affinity Score

在这些行为当中，每种行为对Affinity Score的影响其实也各不相同

Edge Weight:（这部分对于我们的简阅app来说用处不大，所以较为简略）

边权重，我认为这个可以说成行为的权重会更好一点

你好友的一些行为（比如评论，分享等）都会创建Edge，每种Edge都有一个初始的分数，而好友的行为还有可能会改变这个分数，导致Edge排名的改变

Time Decay：

时间衰减因子

如同字面所说，Edge会随着时间的流逝而变得过气，也就是它的分数会下降。

对于简阅来说，我们推送给用户的文章也会随着时间的流逝而影响文章被选中的概率。

我们选择兴趣与时间衰减因子作为推送的指标

用户初始有个兴趣标签，我们根据他的兴趣标签以及文章的新鲜度给其推送文章

文章的新鲜度可以这么决定

用户点赞的次数

用户分享的次数

以及文章加入的时间跟当前时间的差值