人群排名的最佳匹配算法？

Question

我想建立一个系统，人群可以从一组中找到最好的10个项目，这些项目可以从20到2000个不等（排名前10位并不重要）。对于进行实际排序的算法，有一个很好的stackoverflow帖子 How to rank a million images with a crowdsourced sort。我倾向于向用户询问两个项目之间最喜欢的用户，然后使用TrueSkill算法。

我的问题是我正在使用像TrueSkill这样的东西，决定向用户展示哪些项目对的最佳算法是什么？我将有限的机会向人们询问他们最喜欢哪些项目，因此重要的是所呈现的对将为系统提供识别前10名的最有价值的信息。再次，我最感兴趣的是找到前十名，更不用说其他项目如何在他们自己之间排名，甚至排名前十的人如何排在他们自己之间。

Answer 1

这个问题非常类似于组织淘汰赛，其中球员的技能并不为人所知且球员数量非常高（想想学校级别的网球锦标赛）。由于循环（O（n ^ 2）匹配）非常昂贵，但简单的淘汰赛太简单了，通常的选择是采用k消除结构。从本质上讲，每个玩家（在你的上下文中都是一个项目）在输掉k游戏后就会被淘汰出局。看一下双重消除结构：http://en.wikipedia.org/wiki/Double-elimination_tournament。

也许您可以充分修改它以满足您的需求。

Answer 2

另一个众所周知的算法用于计算围棋或国际象棋比赛的排名。您可以查看同时计算此类配对和排名的MacMahon Algorithms。应该可以截断这个算法，这样它只会产生一组10个最佳项目。

您可以在Christian Gerlach's thesis中找到更多详细信息，其中描述了实际的优化算法（不幸的是，论文是德语）。