A Metric Structure Derived from Subjective Judgments: Scaling Under Perfect and Imperfect Discrimination
从主观判断导出度量结构：完全与不完全辨别下的尺度构建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：摘要以成对比较的选择概率为对象，并研究其尺度差表示，直接涉及离散选择。
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
从主观判断导出度量结构：完全与不完全辨别下的尺度构建
- 研究问题
- 研究关注能否从对象之间的成对属性判断概率构建数值尺度，使选择概率仅由尺度差决定，以及这种尺度在何种意义下唯一。
- 方法与思路
- 作者对成对判断概率提出一组逻辑独立条件，并证明满足条件时存在本质唯一的属性尺度，使选择概率只依赖两个对象的尺度差。
- 材料陈述的贡献
- 摘要称给出由主观成对判断构建属性度量的存在性与本质唯一性结果，并把判断概率表示为尺度差的函数；具体条件未列出。
- 阅读关注点
- 核对条件的具体含义和逻辑独立性证明、本质唯一性允许哪些尺度变换，以及题名中完全与不完全辨别分别如何进入理论。
- 阅读边界
- 摘要未列出表示定理的条件，也未说明尺度估计或经验检验方法；不能据此判断任意成对选择数据都满足该度量表示。
原文摘要
Assume that to each pair (x, y) of elements of the set A there corresponds probability p(x, y) that y will be chosen as having more of a certain attribute, if the pair (x, y) is presented to the subject. It is shown that if the p(x, y) satisfy a certain set of (logically independent) conditions, then there exists an (essentially unique) measure f of the attribute of elements of A, such that probabilities p(x, y) depend only on differences between f(x) and f(y).