一个文章排序的问题

问题描述：有新闻文章N篇，里边可能有非常相似的文章需要去重，每篇文章有发表时间和评论数两个属性，需要找到有序的最新最热的十篇文章，如何做效果最好

    注：1、通常来讲，评论数越高则该文质量越高、越热

            2、去重算法相对耗时

            3、这个操作很频繁

方法一：直接按照时间或者评论数逆序输出，去重后取前十个。

        这个方案最简单，但是只能从单维度来反映顺序，最新和最热不能兼顾。

方法二：先去重，引入时间衰减算法并结合评论数计算得分(下称衰减，算法不是本文重点)，按得分逆序输出前十个。

        该方案能够基本兼顾时间和热度，输出顺序的效果明显要好很多；
        在优化方面，如果N值比较大，那么去重算法会比较耗时导致运行太慢；
        另外一个方面，最后得到的文章排序中时间错乱感非常强烈，尤其对于日期(某月某日)，不太符合新闻本身的时效常识。

方法三：先衰减再去重。

        这个方案是在方案二的基础上改变了一下去重和衰减的顺序，旨在降低计算的复杂度；

        先按照时间衰减得到了一个排序，取前M个(M>10,或者30或者50)，然后对M个进行去重；

        这个方法的缺点是M等于多少才能保证去重后仍然足够10个，如果要求必须足够10个的话那么就不太可行。

方法四：先去重，再衰减，取得分前十个，再按时间逆序输出。

        该方案也是对方案二的一个改进，主要修正方案二中带来的强烈时间错乱感；

        注意该方法最后按照时间排序时只取了衰减之后的前十名；

        采用该方案后发现有这种现象：排在前几名的文章中可能都是同一日期的，可是评论数最多的却排在了后面。

方法五：先去重，再衰减，取得分前十个，最后按照日期逆序、对于日期相同的按照评论数逆序。

        该方案是对方案四的一个修正，在方案四的基础上，最后排序时，先按日期进行排序，如果日期相同的则按照评论数排序，这样就保证了最后得到的十篇文章一定是按照日期逆序，而且又兼顾了热度。

       没有完美的算法，只有合适的算法，方案五的缺点其实也很明显，去重的计算量比较大，这只能在去重算法上做一些优化来弥补。