这在博客园内有类似的情况，博客园有MVP，有排名靠前的著名人物，他们的文章常常会得到大家的追捧，而普通新手的影响力则一时难以与他们相比。这就说明， 博客或者说作者，与互联网的网页有类似之处，是有Rank之分的，当然这个Rank是动态变化的。如果把评论看成是对文章的投票，而这张票的分量与投票者自身的影响力相关，这就可以产生类似PageRank的PersonRank。假设园内某MVP评论某篇文章，一般来讲他的评论应该比普通评论更有分量。当然，这里还应该考虑正面评价和负面评价因素，如果他持推荐意见，应该加分，如果他持反对意见则不应该加分。
马太效应
什么是马太效应？举个热门新闻算法的例子，越是热门新闻大家越是去点，越去点它就越热门，形成一个恶性循环。如果算法不好，热门或许就会永远热门下去。同样的道理，在博客园里面，积分高的作者的文章越是热门，越是热门他的积分就越来越高。那么应该如何避免马太效应，鼓励新人辈出呢？常见的方式有两种，一是衰减机制，比如，一月前的文章产生的积分应该乘上一个衰减系数（比如0.9），从而使近一个月的文章产生的积分所占权重变大，这样就避免成名后坐吃山空的现象，真实地反映出作者近段时间的贡献；二是log函数，对点击数和评论数取log以后再作为积分，让积分的增长变得平滑，避免极端大的分值出现。
一时兴起，随便想了这么多，抛砖引玉，大家见仁见智！再次声明，本文是纯学术探讨，不构成对博客园的任何改动建议。
====================================