Statistical ranking with dynamic covariates
带动态协变量的统计排序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Plackett–Luce模型分析带协变量的排序结果，直接关联离散选择与排序建模；比较图连通性不足以支持网络干扰分类。
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…
带动态协变量的统计排序
- 研究问题
- 当协变量随不同次比较而变化时，如何建立统计排序模型，并同时处理模型可识别性、极大似然估计的存在性与一致性？
- 方法与思路
- 作者在Plackett–Luce框架中允许协变量随比较变化，分析识别与极大似然估计条件，并提出高效交替最大化算法。
- 材料陈述的贡献
- 摘要称给出识别与极大似然估计唯一存在的充要条件，并建立依赖比较图连通性的统一一致性结果，另有随机设计与实例。
- 阅读关注点
- 应核对参数规范化、协变量与比较图的设计条件，以及图连通性怎样影响收敛率和交替最大化算法的计算表现。
- 阅读边界
- 仅依据所给Crossref摘要；识别条件、收敛率表达和数值结果未提供，动态协变量并不自动意味着时间序列或网络干扰。
原文摘要
Abstract We introduce a general covariate-assisted statistical ranking model within the Plackett–Luce framework. Unlike previous studies that focus on individual effects with fixed covariates, our model allows covariates to vary across comparisons. This added flexibility enhances model fitting but also brings significant challenges in analysis. This article addresses these challenges in the context of maximum likelihood estimation (MLE). We first provide necessary and sufficient conditions for both model identifiability and the unique existence of the MLE. Then, we develop an efficient alternating maximization algorithm to compute the MLE. Under suitable assumptions on the design of comparison graphs and covariates, we establish a uniform consistency result for the MLE, with convergence rates determined by the asymptotic connectivity of the graph sequence. We also construct random designs under which the proposed assumptions hold almost surely. Numerical studies are conducted to support our findings and demonstrate the model’s application to real-world datasets, including horse racing and tennis competitions.