2 hello1234boy hello1234boy 于 2015.06.11 14:52 提问

牛顿降温算法在热门排序中应用

如题,求助,想使用牛顿降温算法用在热门问题排序中,但是遇到了以下几个问题:
1.初始热门程度如何设定
2.降温系数
3.如何升温

1个回答

gamefinity
gamefinity   Rxr 2015.06.11 15:16

通过牛顿降温法(或者叫牛顿冷却定律),只是在我们的软件系统中通过与自然界的某一现象进行类比,从而模拟其算法。并不需要严格按照,一字不差。
比如说本题,
1.初始热门程度如何设定。作者可以自己设定一个合理的值,在系统运行一段时间后觉得它不是最合理,还可以想办法去调整,当然调整的时候需要很谨慎。
2.降温系数。牛顿冷却定律只是说“与温差成正比”也就是说,只要保证整个系统的一致性,系数是多少还是可以自己定义,逐渐调整。
3.如何升温。不知道你的具体应用是什么,但是我想如果有跟帖、回帖、评论之类的都可以作为升温的标志吧。

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
冷却算法综合排名改进模型
作品一般都有一定的时效性,作品热度随时间的衰减,热度下降,当然那些逆天优秀作品除外。参考投票模型中的牛顿冷却算法并进行改进,结合实际反应左瓶的热度数据指标及指标特性对文创作品进行热度排名。牛顿冷却算法牛顿冷却定律:物体的冷却速度,与其当前的温度与室温之间的温差成正比。
牛顿冷却定律--画像&时间衰减系数
最近在整理构建用户画像的知识点,其中有一个关键因子叫时间衰减系数,套用到了牛顿冷却定律,那么牛顿冷却定律是什么鬼,便是这篇文章将要介绍的。 如果把用户对某款游戏的兴趣度衰减想象成一个自然冷却的过程,即: (1)任一时刻,用户对于启动过的游戏,都有一个"当前温度"; (2)随着时间流逝,所有玩过游戏的温度都将冷却。 (3)如果该游戏被启动一次,该游戏的偏好热度就上升一度。
内容社区如何做文章排序及StackOverflow问答排名算法
对于一个以内容为主的社区,围绕各种话题,每天都会产生大量文章,很多文章会不断被浏览、评论、转发或者点赞,逐渐由一篇平淡文章变为热门文章。那么这些文章如何精准的呈现给用户呢,如果总是呈现在首页,那么新发布的文章必然会被挤压。增加“最热”、“最新”两个分类,是很多社区的做法,包括csdn也是这么做的,但是总觉得用户体验一般。有没有什么排序算法,可以将最热和最新的文章客观、合理的排序后都呈现在一个页面,感觉这样用户体验比较好。
网站内容热点排序算法
通用排序 单位时间内的交互数, 总交互数,总点赞数 评论数加权 按时间排序 可以利用redis来做,利用sortedSet(优先队列)来存储,后台开启一个线程一直来做这件事。 笨方法存到数据库搞 例子 Hacker News Score=(P−1)÷(T+2)GScore=(P−1)÷(T+2)G Score = (P - 1) \div...
机器学习在热门微博推荐系统的应用
近年来,机器学习在搜索、广告、推荐等领域取得了非常突出的成果,成为最引人注目的技术热点之一。微博也在机器学习方面做了广泛的探索,其中在推荐领域,将机器学习技术应用于微博最主要的产品之一——热门微博,并取得了显著的效果提升。 热门微博推荐系统介绍 热门微博业务场景 热门微博是基于微博原生内容的个性化兴趣阅读产品。提供最新最热优质内容阅读服务,更好地保障用户阅读效率和质量,同时达到激励微博上
牛顿插值算法与实现
牛顿真是牛,拉格朗日插值法只能算是数学意义上的插值,从插值基函数的巧妙选取,已经构造性的证明了插值法的存在性和惟一性,但是从实现的角度看并不很好,而牛顿很好的解决了这个问题。牛顿插值是基于下面这些的公式:f[x0,x1,...xk]=(f[x1,...xk]-f[x0,...xk-1])/(xk-x0)f[x]=f(x)f(x)=f[x0]+f[x0,x1](x-x0)+f[x0,x1,x
深度学习5牛顿法
牛顿法解最大似然估计 对于之前我们解最大似然估计使用了梯度下降法,这边我们使用牛顿法,速度更快。 牛顿法也就是要求解,可导,θ用下面进行迭代。 具体看这个图 对于我们刚刚的求最大似然估计,也就是,则 下面在原理上说一说。 摘自:http://blog.csdn.net/luoleicn/article/details/6527049 对于一个目标函数f,求函数f的极大
【斯坦福---机器学习】复习笔记之牛顿方法
本讲大纲:1.牛顿方法(Newton’s method) 2.指数族(Exponential family) 3.广义线性模型(Generalized linear models)1.牛顿方法假设有函数:,我们希望找到满足的值. 这里是实数. 牛顿方法执行下面的更新: 下图为执行牛顿方法的过程: 简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角
模拟退火算法(SA)
模拟退火算法的目标是求NP难组合优化问题的全局最优解。该方法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。
Andrew Ng机器学习课程之学习笔记---牛顿方法
牛顿方法 本次课程大纲: 1、  牛顿方法:对Logistic模型进行拟合 2、 指数分布族 3、  广义线性模型(GLM):联系Logistic回归和最小二乘模型   复习: Logistic回归:分类算法 假设给定x以为参数的y=1和y=0的概率: 求对数似然性: 对其求偏导数,应用梯度上升方法,求得: 本次课程介绍的牛顿方法是一种比梯度上