Machine learningRanking models

روش‌های تجمیع رتبه

تجمیع رتبه (Rank Aggregation) خانواده‌ای از روش‌هاست که فهر ست‌های رتبه‌بندی شده‌ی متعدد از گزینه‌ها را در یک رتبه‌بندی اجماع واحد ترکیب می‌کند. این روش‌ها که به طور رسمی در چارچوب جستجوی وب توسط Dwork، Kumar، Naor و Sivakumar (2001) مورد مطالعه قرار گرفتند، به مسئله‌ی سنتز کردن ترتیب اولویت‌های واگرا از منابع متعدد – مانند موتورهای جستجو، داوران متخصص، یا برگه‌های رأی‌دهندگان – در یک ترتیب منسجم و نماینده که حداقل اختلاف کلی را در میان رتبه‌بندی‌های ورودی ایجاد کند، می‌پردازند.

به‌کارگیری با DecisionMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

روش‌های تجمیع رتبه
مدل بردلی-تریPlackett-Luce Model

منابع

  1. Dwork, C., Kumar, R., Naor, M., & Sivakumar, D. (2001). Rank aggregation methods for the web. Proceedings of the 10th International Conference on World Wide Web, 613–622. DOI: 10.1145/371920.372165

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Rank Aggregation Methods. ScholarGate. https://scholargate.app/fa/decision-making/rank-aggregation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateRank Aggregation (Rank Aggregation Methods). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/decision-making/rank-aggregation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026