Ինչպես իրականում աշխատում է Hacker News-ի դասակարգումը. միավորներ, բանավեճեր և տուգանքներ

Քեն Շիրիֆի 2013 թվականի վերլուծությունը մինչ օրս հիշատակվում է, երբ Hacker News-ի օգտատերերը զարմանում են, թե ինչու հոդվածը հանկարծ անհետացավ գլխավոր էջից։ Հեղինակը մի քանի օր շարունակ ամեն րոպե ստուգում էր /news և /news2 էջերը՝ պահպանելով կայքի խորհուրդը՝ րոպեում ոչ ավելի քան երկու էջ, HTML-ը վերլուծում էր Beautiful Soup-ով, իսկ արդյունքները գծագրում matplotlib-ով։

Միավորները և վերադասակարգման ցիկլը

Հրապարակված բանաձևը վերցված է Arc սերվերի հասանելի տարբերակից. հոդվածի դիրքը որոշում են ձայները, տարիքը րոպեներով և մի քանի գործակիցներ։ Ձգողականությունը 1.8 է, ժամանակային բազան՝ 120 րոպե, իսկ առանձին գործակիցներ ունեն առանց URL-ի նյութերը, թեթև գրառումները և կատակները։ Քանի որ տարիքն ավելի բարձր աստիճան ունի, քան ձայները, ցանկացած միավոր ի վերջո մոտենում է զրոյի. դրա համար էլ ոչինչ երկար չի մնում գլխավոր էջում։

Դասակարգումը ամեն այցելության ժամանակ բոլոր հոդվածների համար նորից չի հաշվարկվում. գրառումը վերադասակարգվում է, երբ ձայն է ստանում, իսկ ցանկի մնացած մասը մնում է անփոփոխ։ Բացի այդ, ամեն 30 վայրկյանը մեկ լավագույն 50-ից պատահական ընտրված մեկ հոդված վերադասակարգվում է, իսկ էջերը կարող են քեշավորվել մինչև 90 վայրկյան։ Այդ պատճառով ձայներ հավաքելը դադարեցրած գրառումը կարող է րոպեներով մնալ սխալ տեղում։

Տուգանքների համակարգը

Հրապարակված կոդը հիմնականում ճշգրիտ գտնվեց, սակայն իրական համակարգը շատ ավելի շատ տուգանքներ է կիրառում, քան օգտատերերը ենթադրում են։ Գլխավոր էջի հոդվածների մոտ 20%-ը տուգանվել էր, երկրորդ էջինը՝ 38%-ը։ Այն ժամանակ վերնագրում NSA պարունակող ցանկացած նյութ ավտոմատ ստանում էր 0.4 տուգանք. հեղինակը ստուգեց awesome, bitcoin և bubble բառերը և նման ազդեցություն չգտավ։ Ավտոմատ տուգանք (0.25-ից 0.8) ունեին նաև շատ դոմեններ՝ github.com, medium.com, reddit.com, youtube.com, arstechnica.com և theguardian.com։ Շիրիֆը նշում է տեսությունը, ըստ որի՝ հանրահայտ աղբյուրներից նյութերը զուգահեռաբար են ուղարկվում և ստանում ավելորդ ձայներ, իսկ ավտոմատ տուգանքները հավասարակշռում են այդ ազդեցությունը։

Գործնականում տուգանքի գործակիցը խիստ է. 0.4 նշանակում է, որ ամեն ձայն հաշվվում է որպես 0.3 ձայն, այսինքն՝ հոդվածն անկում է 66%-ով ավելի արագ. 0.1-ը՝ որ ամեն ձայն 0.05 ձայն է։

Ամենանկատելի տուգանքը բանավիճային լինելն է։ Հրապարակված կոդում contro-factor-ը գործում էր 20-ից ավելի մեկնաբանության դեպքում, եթե մեկնաբանությունները գերազանցում էին ձայներին, և նվազեցնում էր հոդվածը ձայների ու մեկնաբանությունների հարաբերության քառակուսով։ Գործնականում Շիրիֆը դիտում էր այն 40 մեկնաբանության դեպքում և կասկածում է, որ աստիճանը 3 է։ Ազդեցությունը հանկարծակի է. 5-րդ տեղում գտնվող գրառումը 40 մեկնաբանության պահին ընկավ 22-րդ տեղ, իսկ մյուսը ամբողջությամբ անհետացավ լավագույն 60-ից։

Ինչ է սա նշանակում

Գլխավոր էջը ձայների մաքուր մերիտոկրատիա չէ. առաջին տեղում հաճախ ամենաբարձր միավոր ունեցող հոդվածը չէ, իսկ մեկ օրում տուգանված հոդվածների ցանկը հեղինակի սպասածից երկար ստացվեց։ Շիրիֆի սեփական հոդվածը գլխավոր էջ հասնելուց րոպեներ անց ստացավ 0.2 տուգանք. առանց դրա, ըստ նրա, այն կհասներ 5-րդ տեղ։ Հետագայում նրան ասացին, որ ձայների օղակի դետեկտորը սխալմամբ էր գործարկվել։ Եզրակացությունը պարզ է. եթե հոդվածի մեկնաբանությունները ձայներից շատ են, ապա նոր մեկնաբանությունն այն կարող է ամբողջությամբ ոչնչացնել։