आंशिक रैंकिंग की सूची को वैश्विक रैंकिंग में परिवर्तित करना


13

मैं निम्नलिखित समस्या की तरह कुछ पर काम कर रहा हूँ। मेरे पास उपयोगकर्ताओं और एन पुस्तकों का एक समूह है। प्रत्येक उपयोगकर्ता अपने द्वारा पढ़ी जाने वाली सभी पुस्तकों की क्रमबद्ध रैंकिंग बनाता है (जो संभवतः एन पुस्तकों का सबसेट है), उदाहरण के लिए, पुस्तक 1> पुस्तक 40> पुस्तक 25।

अब मैं इन व्यक्तिगत उपयोगकर्ता रैंकिंग को सभी पुस्तकों की एकल क्रमबद्ध रैंकिंग में बदलना चाहता हूं।

क्या कोशिश करने के लिए कोई अच्छा या मानक तरीका है? अब तक, मैं ब्रैडली-टेरी मॉडल के बारे में सोच रहा हूं जो कि जोड़ी के साथ तुलना के लिए लागू होते हैं, लेकिन मैं सोच रहा हूं कि क्या कुछ और है।


2
मुझे लगता है कि जब तक कि उपयोगकर्ता (किसी कारण से) इसी तरह की किताबें नहीं पढ़ते हैं, तब तक आप बहुत सारी समस्याओं में चले जाएंगे। लेकिन n लोगों को देखते हुए, और यह देखते हुए कि ज्यादातर लोग अपेक्षाकृत कम किताबें पढ़ते हैं, अधिकांश जोड़े में केवल एक व्यक्ति की तुलना होगी। (मंझला संख्या प्रति वर्ष प्रति व्यक्ति 6 था देख बेंच
पीटर Flom - को पुनः स्थापित मोनिका

2
(+1) रैगेटिन, आप अच्छे, दिलचस्प सवाल पूछते हैं। मैं बीटी मॉडल का शौकीन हूं, लेकिन लगता है कि यहां एक तड़प मजबूर है। क्या आप सहयोगी फ़िल्टरिंग साहित्य से परिचित हैं? यह एक ही समस्या नहीं है, लेकिन कुछ अवधारणाओं और तकनीकों को उधार लिया जा सकता है। यहां एक प्रश्न को छोड़ दिया गया है, इसलिए यह मानना ​​चाहिए कि पुस्तकों को पहले स्थान पर एक अस्पष्ट, अच्छी तरह से परिभाषित रैंकिंग दी जा सकती है। (उदाहरण के लिए, आप दो-उपयोगकर्ता, दो-पुस्तक मामले को कैसे संभालेंगे?)
कार्डिनल

@ पैटर फ्लम: सही है, ज्यादातर जोड़ियों की कोई तुलना नहीं है। लेकिन मैं उम्मीद कर रहा हूँ कि यह ठीक है, क्योंकि यदि आप जानते हैं कि A> B और B> C, तो भी A और C की सीधे तुलना नहीं की जाती है, तो आप A> C. का पता लगा सकते हैं
raegtin

@ कार्डिनल: हां, बीटी मॉडल यहां मजबूर लगता है, लेकिन यह एकमात्र ऐसी चीज है जिसके बारे में मैं अभी सोच सकता हूं। मैं सहयोगी फ़िल्टरिंग साहित्य से परिचित हूं, लेकिन मुझे यकीन नहीं है कि यह यहां कैसे लागू होता है, क्योंकि मैं रैंकिंग चाहता हूं, समानताएं नहीं। यह सच है कि एक एकल वैश्विक रैंकिंग जरूरी नहीं है (उदाहरण के लिए, यह बच्चों की किताबों बनाम वयस्क पुस्तकों; कल्पना बनाम गैर-कल्पना) की तुलना करने के लिए समझ में आता है, लेकिन व्यावहारिक रूप से, यह अभी भी उपयोगी है। "बेस्ट ऑफ़" पुस्तक सूचियाँ हर समय पॉप अप करती हैं :)
रैगेटिन

इसके अलावा, मैं करीबी आदेशों के बारे में इतना ध्यान नहीं रखता (उदाहरण के लिए, क्या पुस्तक # 1 रैंक की गई पुस्तक # 2 की तुलना में वास्तव में बेहतर है), लेकिन कुल मिलाकर आदेश (उदाहरण के लिए, मैं चाहता हूं कि मेरे आदेश में शीर्ष 10% पुस्तकें हों नीचे के 10% या मध्य 10% से बेहतर हो)।
रैगेटिन

जवाबों:


2

यदि आप उपयोग में रुचि रखते हैं (विकास से अधिक), तो आपको हमारी रैंकिंग प्रणाली को रैंक करने का प्रयास करना चाहिए ।

रैंकेड नि: शुल्क और उपयोग करने में आसान है, और यह ब्रैडले-टेरी मॉडल और एलो रैंकिंग सिस्टम (यहां एक तुलना ) से अलग है क्योंकि यह 2+ गुटों (यानी आपके परिदृश्य में किताबें) के साथ मैचों का प्रबंधन कर सकता है । उपयोगकर्ता की क्रमबद्ध रैंकिंग सम्मिलित करना ( दो या दो से अधिक पुस्तकों के बीच मिलान के साथ, विस्तृत अंतिम स्टैंडिंग के साथ, संबंधों सहित) आप उन सभी पुस्तकों की क्रमबद्ध रैंकिंग प्राप्त करेंगे जिनकी आप तलाश कर रहे हैं। नशे की लत में, रैंकिंग आपको किताबों की रैंकिंग के लिए समय विकास, और पुस्तकों के मिलान के लिए आँकड़े, और बहुत कुछ करने का अवसर देती है।


1
आपको अपने एल्गोरिथ्म का वर्णन करना चाहिए, कम से कम आम तौर पर, दृष्टिकोण के रूप में। और एक कागज से लिंक करें जहां यह पूर्ण रूप से वर्णित है। अन्यथा आपके उत्तर को केवल एक विज्ञापन माना जा सकता है।
tnnphns 14

1
मैंने री और सबसे प्रसिद्ध रैंकिंग प्रणाली के बीच एक सरल तुलना के लिए एक लिंक जोड़ा । पहला कथन कहता है कि यदि आप उपयोग में रुचि रखते हैं (विकास से अधिक) , तो यह समस्या के समाधान के रूप में प्रस्तावित है (रैंकेड ने जीयूआई की सुविधा दी है, जबकि ब्रैडली-टेरी और प्लैकेट-लूस को कार्यान्वयन की आवश्यकता है), एक से अधिक अनुरोधित समाधान तक पहुंचने का मार्ग।
टॉमसो नेरी

1

प्लैकेट-लूस रैंकिंग मॉडल इस समस्या से निपटते हैं और एक संभावना आधारित तकनीक है, जहां एक प्रमुखता-अधिकतमकरण दिनचर्या का उपयोग करके संभावना को अधिकतम किया जाता है, जो कि एक्सपेक्टेशन मैक्सिमाइजेशन के समान है, इस अर्थ में कि वे संभावना फ़ंक्शन पर एक सहायक उद्देश्य फ़ंक्शन का उपयोग करते हैं जो कि है संभावना फ़ंक्शन के पुनरावृत्त मोनोटोनिक अधिकतमकरण की गारंटी के लिए अनुकूलित। (डेविड हंटर द्वारा प्लैकेट-लूस रैंकिंग मॉडल के लिए एमएम एल्गोरिदम देखें)। वह कोड भी प्रदान करता है।

रैंकिंग के दृष्टिकोण से, वे ब्रैडले-टेरी मॉडल का एक विस्तार हैं, जिसका आप अपनी पोस्ट में उल्लेख करते हैं। ब्रैडली-टेरी मॉडल जोड़ीदार रैंकिंग के नमूने से वैश्विक रैंकिंग का अनुमान लगाते हैं। प्लैकेट-लूस मॉडल इसे लंबाई की रैंकिंग तक बढ़ाते हैं 2. वे प्रत्येक नमूने के लिए एक अलग लंबाई की रैंकिंग होने की भी अनुमति देते हैं।>=

यह आपके डेटासेट को पूरी तरह फिट करता है:

पुस्तक 1> पुस्तक 40> पुस्तक 25

पुस्तक 40> पुस्तक 30

पुस्तक २५> पुस्तक १ 25> पुस्तक ११> पुस्तक ३ आदि।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.