Maximum likelihood paired comparison ranking by linear programming
通过线性规划求配对比较的最大似然排序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：摘要以重复配对比较及平局结果构造排序似然，直接涉及离散比较结果的统计建模。
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
通过线性规划求配对比较的最大似然排序
- 研究问题
- 如何依据重复配对比较实验的结果，求出满足排序传递关系的最大似然次序，并处理比较结果可能出现平局的情形？
- 方法与思路
- 作者以对数似然为目标函数、排序隐含的传递关系为约束，将排序问题表述为线性规划，覆盖允许或不允许平局的实验。
- 材料陈述的贡献
- 摘要称，该线性规划能够确定重复配对比较实验的最大似然排序，并通过两个既有文献中的例子展示方法。
- 阅读关注点
- 应核对似然如何写成线性规划目标、传递关系如何编码，以及比较中的平局处理、多解情况和问题规模限制。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未说明完整概率模型、约束形式或计算复杂度，两个例子不足以判断大规模应用表现。
原文摘要
The problem of ranking n objects from ‘best’ to ‘worst’, using the results of a paired comparison experiment, is formulated as a linear programming problem with the logarithm of the likelihood as the objective function. The constraints are determined by the transitivity relationships implied in a ranking. The linear program will determine maximum likelihood rankings for the k fold replicated paired comparison experiment with or without the possibility of ties. The method is demonstrated with two examples from recent literature.