7月4日 和楠铠，岚韬讨论热度趋势算法（17号交算法）。算法内容如下：
       （1）热度趋势(热度值)分报社(40%)和社交媒体(60%)两方面计算。
       其中，报社的热度值是根据报社权威度*新闻发布数量计算得出，社交媒体的热度值是根据使用话题动态*点赞量*权值+评论量*评论点赞量*权值计算得出。
　　　　报道量分析(报社方面)
　　　　关注量分析 (社交媒体方面)
　　　　（2）国民评论排序(评论时间(权值最重)+关注人数+点赞量)

(7月23日)热度趋势算法格式如下：

　　　

先给定一个事件，该事件的所有新闻列表（按新闻里事件的发生时间（没有的话用发布时间）排序（时间越早越排在前面））里：

针对该事件：

         事件id（和mongodb里的事件id对应）：

         针对同一天的所有新闻：

                            （事件的发生时间）发布时间（pub_time）：  

                            针对每篇新闻：

        　　　　　　　新闻id：{

　　　　　　　　　　　　　　所属报社域名（domain）：（我还想要一份报社和其域名的对应名单，.txt格式）

　　　　　　　　　　　　　　 报道量：

                                                }

         格式如下：

         {事件id：{（该事件发生时间）发布时间(日期形式)：,”新闻”:｛新闻id：｛所属报社域名（domain）：，报道量：｝｝，{新闻id：｛所属报社域名（domain）：，报道量：｝}}，{}，。。。，{}}   # {}里的为（该事件发生时间）发布时间为同一天里的所有新闻。

 

twitters：（按twitter动态里事件的发生时间（没有的话用twitters动态的发布时间排序（时间越早越排在前面））

针对该事件：

         事件id（和mongodb里的事件id对应）：

         针对同一天的所有动态：

　　　　（该事件发生时间）发布时间(日期形式)：

　　　　”动态”：

               针对每条动态：

　　　　　　id：{

                              点赞量：

　　　　　　　　”评论”：

　　　　　　　　 针对每条评论：

　　　　　　　　　　 id：{

　　　　　　　　　　　　  点赞量：

　　　　　　　　　　　　}

                             }

         格式如下：

         {事件id：{（该事件发生时间）发布时间(日期形式)：,”动态”:{动态id：｛点赞量：,”评论”：{评论id：｛点赞量：｝，｛｝，。。。，｛｝} },{动态id：。。。},…,{}}，{}，。。。，{}  }   # {}里的为（该事件发生时间）发布时间为同一天里的所有twitters动态。

 

7月26日2：25 完成代码。