牛顿冷却定律名词解释牛顿冷却定律公式( 二 ) _经验知识

（1）创
还是以微博为例，微博对用户做了不少划分，个人、垂直领域的知名博主、自媒体、机构、企业、政府等等，不同类型的身份也隐含他们的创作能力和传播价值。
所以在初始热度的考量上，我们就会考虑是否让大V用户发表的新内容更先一步的进入热榜。
当然，其它产品就算不像微博那样对用户有明确的归类，也可以利用一些基础的用户数据，比如：

注册时长：是否激励新用户，还是优待老用户？
活跃程度：一个投入更多时间精力的常驻用户是不是更大概率会创作出优秀内容？

（2）内容属性，则是从内容本身出发，根据它的类别、字数长度、丰富度、流行指数等有所侧重。
就比如在热门微博管理规范，就表示过含多张的图片，含#话题的就会加重热度，而带外链的，已有相似内容的则会降低热度。
具体哪些内容该赋予更高的热度，哪些内容又该冷处理，关键看这个产品的内容调性和氛关键可能看这个产品中主流用户的偏爱，以及运营人员想营造什么样的内容生态。
2. 互动热度初始热度这一因素虽然看上去具有极大的天然优势，但往往在实际推荐算法中也不会占据主要的地位。
比如就算是一条超级大V发的和一条普通用户发的内容，可能在初始热度上差距也不会特别大，因为内容是否真的够好，还是要靠更广泛的用户来检验。
这也就是影响热度的第二因素——互动热度，这也是最为重要的，也可以理解为用户的行为数据。
我们需要先定义哪些用户行为可以提高这条内容的热度，像对一条微博的浏览、点赞、评论、转发、分享等，都可以代表了用户对它的感兴趣程度。
同时需要注意的是，不同行为的权重应该也是不同的。
比如，评论明显比点赞更有诚意，所以我们在计算互动热度时，可以对这些用户行为进行评级，浏览+1分，点赞+3分，评论+10分，转发+15分，分享+15分。
且在实际产品运营过程中，我们还需要根据用户规模、周期效应不断调整用户的行为分，同时考虑如何反作弊，若规则太生硬，是不是就会被有心人利用，这点后面会再探讨。
3. 随时间衰减的热度由于大部分内容是属于一次消费型，用户看过也就过了。若热门推荐的榜单总是固定那几条，他可能很快就觉得乏味，从而转向别的产品。所以我们自然希望内容能不断更新，而若只看初始热度+互动热度，那么后来者必定很难超越前者。
所以，我们还需要考虑另一个因素——随时间衰减的热度。
以社会热点来说，往往一件事情的时效性是在24小时内。
比如一项政策出台，大家都在
所以我们可以制定一个策略，这个内容在发布后，随着时间的推移，热度也开始逐步衰减。
同时需要注意的是，时间衰减通常不是线性的。
毕竟结合现实情况来看，一条新内容产生后，我们可能先需要几个小时去传播它，看看它的热度反应。
在刚开始这期间，可以不必过多的去考虑时间衰减；而到了有效传播期之后，比如一条新闻过了24小时，那么我们就可以加重时间衰减的因素，尽量不让用户看到昨天的新闻。
三、如何进行人为干预：调整权重上述的内容已经讲完了热度算法的核心内容，通过理解原理和三大影响因素，相信大家已经可以尝试去设计一套适合自家产品的热度算法了。
不过，在实际的内容运营中，哪怕一套算法再可靠，我们有时候还是难免想要进行一些人工干预。
这就涉及到了我们常用的一个手段：调整权重。
我们可以将权重这一因素，扩展到热度算法中，如：