作品一般都有一定的時效性，作品熱度隨時間的衰減，熱度下降，當然那些逆天優秀作品除外。參考投票模型中的牛頓冷卻算法並進行改進，結合實際反應左瓶的熱度數據指標及指標特性對文創作品進行熱度排名。
牛頓冷卻算法
牛頓冷卻定律：物體的冷卻速度，與其當前的溫度與室溫之間的溫差成正比。
其中：T(t)是溫度(T)的時間(t)函數，其倒數表示降溫速度。H表示室溫，α表示比例關係。
由上述公式兩邊取積分：
求積分的解
假定已知在t0時刻，文章的溫度爲T(t0)，簡寫爲T0，帶入上述公式
進而可推導出下述公式：
綜合排秩
由於多指標間使用進行單純進行綜合處理，偏差可能更大，且多個熱度指標間可比性較弱，且屬於平行關係，故採用綜合排秩的方式，不同指標間重要程度需結合行業知識進行賦權，以具有合理性。
1. 計算各個指標的熱度值Ti，並進行排秩，得到Ri；
2. 賦予不同指標權重，並計算加權後的秩（權重的設置，基於經驗獲取）。
3. 對加權綜合秩進行排序，即得最後的排名。
實際應用
- 前提假設：
1、 任一時刻，網站中所有的文章，都有一個”當前溫度”，溫度最高的文章就排在第一位。
2、 隨着時間流逝，文章的熱度逐漸冷卻，通過熱度指標增量來維持熱度，並通過增量增長速率控制降溫或升溫速度。
3、 基於當前熱度值進行排序。
4、 進行評價的目標對象具有一定的總量積累及熱度。認爲熱度極低作品或新作品在評價對象中存量較少或沒有，故暫不考慮該部分作品；
5、 作品相關指標只會累計增加不會減少。 參數設置
指標採用增量，時序動態的反應作品熱度，且一定程度上避免了總量影響，另可修正增量的時間跨度。改進說明
由冷卻算法中的α可用來反映升溫或降溫的速度，在此模型中以增長量的增長率作爲α值，此增長率爲正，則熱度值上升，反之下降。
∆X表示增量，假定H爲0，即室溫H爲0，即文章最終完全不受關注，增量爲0，其熱度對應也逐漸衰減。
其中(ti-tj)表示時間間隔，單位爲天時，對應數據爲日增長量；單位爲周時，爲周增長量，時間間隔依次遞推。
熱度值得計算，必須要有初始熱度值，初始值的設定非常重要，會影響到後續的熱度排名結果。
最終進行各指標熱度之進行綜合排秩，得到最終排名。
- 模型特徵
1、 模型主要體現作品的熱度成長情況，排名越高，成長越快；
2、 初始值的設定影響後續的熱度值，需要謹慎設定。
3、 對於初始熱度相似的作品後續排名效果較好。
4、 指標採用熱度指標增量，側重從作品潛力來反應作品熱度變化。