关于涉及相关热度衰减的需求,我们应该怎样对热度进行计算呢?本文希望可以给产品经理们一个思路。
一、什么是牛顿冷却定律
企业回大数据处理数据时代理念的三大转变:要全体不要抽样,要效率不要绝对精确,要相关不要因果。具体的大数据处理方法其实有很多,但是根据长时间的实践,国富如荷总结了一个基本的大数据处理流程,并且这个流程应该能够对大家理顺大数据的处理有所。
牛顿冷却定律是由英国物理学家艾萨克·牛顿爵士(1642-1727)所提出的一个经验性的关系。是指物体所损失的热的速率与物体和其周围环境间的温度差是成比例的。当物体表面与周围存在温度差时,exp怎么计算计算器,单位时间从单位面积散失的热量与温度差成正比,比例系数称为热传递系数。
其公式如下:
其中:
T(t):物体当前的温度
步骤1: 打开计算器或者数学软件,确保处于数学计算模式。步骤2: 输入 "exp0.04" 或者 "e^0.04",其中 "e" 表示自然对数的底数。步骤3: 按下计算器或者数学软件中的 "等于" 或者 "计算" 按钮,获取计算结果。步骤4。
H:为周围的温度
k: 为比例系数
它进行变化后就变成:
如果H=0,则公式就是:
此公式建立“温度”与“时间”之间的函数关系,轻松构建一个“指数式衰减”(Exponential decay)的过程。
二、牛顿冷却定律在AI场景中的应用
我们可以把“热文排名”想象成一个“自然冷却”的过程:
在某个时点,我们APP中所有的文章,有一个当前“温度”(热度值),按照“温度”的高低进行文章排名;
exp(1)=e的1次方=e=2.718281828。exp(0)=e的0次方=1 exp(2)=e的平方=7.3890561。e是一个常数,等于2.
如果用户在某些文章进行了悬赏、赞成、转发、评论等,这个文章的“温度”就会上升;
我们知道通过悬赏、赞成、转发、评论等方式可以增加文章热度,但是我们需要找到一定的方法去降低热度,但是一些跟增加热度有关的相反的,比如不感兴趣、举报等,虽然能降低热度,但是很难做到根据时间来降低热度,不然排名的时候很难将新文章有个合理的排名。
所以,文章热度是时间的衰减与温度与时间的衰减规律很类似。我们可以定义一个文章有一个热度分。
当前热度分=上一期得分 x exp(-(冷却系数) x 间隔的小时数)
其中冷却系数是由咱们根据业务需要定义的,我们可以假设一个初始分,假设一个时间间隔,假设一个时间间隔后分数,通过这三个值计算出来冷却系数。冷却系数计算出来就可以使用到模型上了。
1.首先先将计算器开机,按一下红框处的on键即可开机。2.按一下红框处的shift键,是为了将计算器上直接按的ln函数(对数函数)反转为以自然常数e为底的指数函数,即exp函数。3.再按一下ln键。此时由于已经按过shift键。
题图来自 Unsplash ,基于 CC0 协议