dy评论单子是一种在社交媒体平台上通过评论留言、点赞、转发等方式增加某一内容或产品曝光度的业务。它旨在吸引更多用户关注和参与，提升影响力，但需注意保持社交互动的真实性。
一、为什么要进行评论单子优化
评论区对于dy内容有着重要作用，优质评论能引发用户共鸣、加深对内容的理解并激发讨论，而灌水评论价值较低，但目前存在优质评论曝光不足、互动量少的问题，所以需要通过优化评论单子，让优质评论获得更多曝光，提升用户参与度和内容的传播效果。
二、主流评论排序方式及其优缺点
| 排序方式 | 优点 | 缺点 |
| 按点赞数量排序 | 能直观反映用户对评论内容的态度，最直观易懂，可让高点赞数的优质评论优先展示 | 时间越长，新评论获得的曝光越差，不利于最新评论的展示 |
| 按时间排序 | 能保证评论内容的流动性，即时性强，让用户及时看到最新的评论 | 无法突出优质评论，难以让有深度、有价值的评论获得更多关注 |
| 基于算法排序 | 一定程度上结合了上述两种方式的优点，既能保证优质评论获得更多曝光，又能让评论流动更新 | 算法设计和调整较为复杂，需要不断优化和测试以达到最佳效果 |
三、Hacker News算法及其在评论排序中的应用
Hacker News算法源于Y Combinator旗下的新闻频道Hacker News，其公式为：其中P代表得票数，T代表内容发表至今的时间（单位为小时），（P-1）、（T+2）、1.8这些数值有特定含义，该算法综合考虑了用户投票情况与时间等因素对内容展示进行排序。
在dy评论单子优化中，可以借鉴Hacker News算法的思路，衍生出适合dy平台的计算方式，如：
原始：Score=(P-1)/(T+2)^1.8
衍生1：Score= (P)/(T+2)^1.8
衍生2：Score= (P+R)/2*[(T+2)^1.8]
衍生3：Score= (P+3R)/4*[(T+2)^1.8]
衍生4：Score= [P+R+N/AVERAGE(N)]/3*[(T+2)^1.8]
衍生5：Score= [2P+5R+N/AVERAGE(N)]/8*[(T+2)^1.8]
（Score=排序分；P=点赞数；R=回复数；N=字数；AVERAGE(N)=当前文章评论字数平均值；T=评论发布距今天小时数）。
四、文章样本离线研究与算法实验
以《武汉市中心医院：李医生去世》这篇文章为例，该文章约有5000条评论，将其所有评论按以上6种算法进行排序后发现：
- 点赞和回复数较多的评论不太受算法影响，受时间衰减影响也较小，能够一直排在最前的位置。
- 仅计算点赞与回复数时，无点赞与回复的评论仅以时间倒序进行排序，质量较高的评论会被沉底，需要加入字数维度进行调整。
- 加入字数维度能够有效将质量较低（字数少，无意义，无点赞回复）的评论排在后面。
- 加入字数和回复数维度后较多较高质量评论的排序会更靠前。
- 有效字数需进行限制，如遇灌水帖本身质量不高却因字数较多排名靠前的情况，且字数无法完全证明该评论质量，需削弱其影响占比。
五、线上ABtest开发方案确认
根据上面的案例研究，需要在算法中加入有效字数的限制逻辑，按67个字进行限制（受测产品在标准屏幕下一级评论收起状态最多展示字数67字），计算字数时小于67字按实际字数计算，大于等于67字时按67字计算，为了控制开发成本和增大各个分组的样本量，可在衍生算法中选择合适的方式进行调整。
六、FAQs
Q1：如何确定合适的算法参数？
A1：需要通过大量的数据分析和实验来确定，可以先收集平台上不同类型文章的评论数据，包括热门文章、普通文章等，然后使用不同的参数组合进行排序实验，观察每种参数组合下优质评论的排名情况、灌水评论的过滤效果等，根据实验结果不断调整参数，找到最适合平台特点和用户需求的参数设置。
Q2：除了点赞数、回复数和字数，还有哪些因素可以纳入评论排序算法？
A2：还可以考虑评论的发布时间、评论者的影响力（如是否为认证用户、粉丝数量等）、评论的情感倾向（积极、消极或中性）等因素，对于一些重要的事件或话题，较新的评论可能更具有时效性和参考价值；而来自有影响力的用户的评论可能会吸引更多的关注和互动；积极情感的评论也可能更受欢迎，将这些因素综合起来，可以使评论排序更加全面和准确。
