信息流优化：牛顿冷却定律的应用( 六 )_：信息流优化：牛顿冷却定律的应用信息

而将上面这个公式利用导函数、积分的知识，进行相应的转换变形后，可以变化如下（具体过程就不推导了，毕竟没太大意义）：

T = T0 x (1/e) ^（k(t-t0))

而将上面这些变量和常量替换为产品设计当中的帖子情况时，则可以理解为，T代表着帖子当前的热度，T0代表着初始热度和用户行为热度的总和，k则代表着冷却系数，t-t0则代表间隔时间。

结合前面提到的关于初始热度和用户行为热度的计算方式，则相关公式可以为：

T0 = H（Type）+ H（Action）

H（Action） = action1* a% + action2* b% + action3* c% + ……

H（Type）则为初始热度值，可以根据不同类型内容进行设置，H（Action）则为用户行为热度值，不同的行为有各自的权重，权重占比总额为1。

而从函数曲线上来说，k越大，则曲线越陡，意味着热度降低越快，k越小，则曲线越平缓，意味着热度降低越慢。

四、注意事项

信息流优化：牛顿冷却定律的应用( 六 )