Optimal full ranking from pairwise comparisons
基于成对比较的最优完整排序AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究参与者成对比较与统计排序，未明确涉及经济离散选择或经济网络问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于成对比较的最优完整排序
- 研究问题
- 在 Bradley–Terry–Luce 模型下，如何从部分成对比较数据恢复全部参与者的排序，并刻画不同信噪比下的最优排序误差？
- 方法与思路
- 作者以 Kendall τ 距离衡量排序误差，提出先按相近能力分组、再在组内求局部最大似然估计的分治算法。
- 材料陈述的贡献
- 摘要称推导完整排序的极小极大速率，发现其随信噪比在指数型与多项式型之间转变，并证明所提算法达到该速率。
- 阅读关注点
- 阅读时应核对比较数据的采样机制、能力参数空间、速率转变的条件，以及两阶段近似独立论证如何支持最优性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未给出采样与信号条件或具体速率，作者关于首次发现和独特性的表述未经独立核验。
原文摘要
We consider the problem of ranking n players from partial pairwise comparison data under the Bradley–Terry–Luce model. For the first time in the literature, the minimax rate of this ranking problem is derived with respect to the Kendall’s tau distance that measures the difference between two rank vectors by counting the number of inversions. The minimax rate of ranking exhibits a transition between an exponential rate and a polynomial rate depending on the magnitude of the signal-to-noise ratio of the problem. To the best of our knowledge, this phenomenon is unique to full ranking and has not been seen in any other statistical estimation problem. To achieve the minimax rate, we propose a divide-and-conquer ranking algorithm that first divides the n players into groups of similar skills and then computes local MLE within each group. The optimality of the proposed algorithm is established by a careful approximate independence argument between the two steps.