假设我有一个包含500个对象的列表.我需要给每个人评分10分.
随机我选择两个并将它们呈现给朋友.然后我问朋友他们喜欢哪个.然后我使用这种比较(即OBJECT1优于OBJECT2)来改变两个对象的十分之一的评级.
然后我重复这个随机选择并与一群朋友进行数千次比较,直到我有一个500个对象的列表,其中有十个可靠的评级.
我需要弄清楚一种算法,它将两个物体的电流额定值,并根据哪个被认为更好来改变它们...
每个物体的等级可以是(胜利次数)/(输入的比赛次数)*10.因此,根据之前的竞赛数量,获胜者的等级上升了一点,失败者的等级下降了一点进入.
对于一些更复杂,对抽奖的运气不太敏感的事情,我建议http://en.wikipedia.org/wiki/Elo_rating_system,但它不是10个.你可以重新调整每个人的分数,所以最高分变为10,但随后匹配可能会影响每个人的评分,而不仅仅是所涉及的两个评分.
这一切都取决于"可靠"的含义.不同朋友的判断彼此不一致,并且可能在一段时间内对于同一个人甚至不一致,因此没有"真实的"排序顺序让你理智 - 检查排名.
更为深奥的一点是,箭头的不可能性定理表明了一些你想要在一个系统中拥有的不错的属性,这个属性需要个人偏好并将它们组合起来形成一个聚合的群体偏好.然后它继续证明它们是相互矛盾的 - 你不能拥有它们.对"良好"整体评级的任何直观想法都存在无法实现的真正风险.