用多种比较对对象进行评估的算法

Question

假设我有500个对象的列表。我需要给每个人评分10分。

随意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。然后我使用这个比较（即OBJECT1优于OBJECT2）来改变两个对象的十分之一。

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，其中有十个可靠评级。

我需要弄清楚一种算法，该算法将两个物体的电流等级，并根据哪个被认为更好来改变它们......

Answer 1

每个物体的等级可以是（胜利次数）/（输入的比赛次数）* 10.因此，根据他们的竞赛数量，获胜者的等级上升了一点，失败者的等级下降了一点以前进入过。

对于更复杂且对抽奖运气不太敏感的事情，我会建议http://en.wikipedia.org/wiki/Elo_rating_system，但不是10分。你可以重新调整每个人的分数，以便最高分成为10，但是匹配可能影响每个人的评级，而不仅仅是所涉及的两个评级。

这取决于“可靠”的含义。不同朋友的判断彼此不一致，并且可能在同一个人的时间内甚至不一致，所以没有“真实的”排序顺序让你理智地检查排名。

更为深奥的一点是，Arrow的不可能性定理指出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组偏好。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。