Machine learningRanking models

Методы агрегирования рангов

Агрегирование рангов — это семейство методов, которые объединяют несколько ранжированных списков альтернатив в единый консенсусный ранг. Формально изученные в контексте веб-поиска Dwork, Kumar, Naor и Sivakumar (2001), эти методы решают задачу синтеза расходящихся порядков предпочтений из множества источников — таких как поисковые системы, экспертные судьи или бюллетени избирателей — в один согласованный, репрезентативный порядок, который минимизирует общее несогласие между входными ранжированиями.

Применить в DecisionMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Методы агрегирования рангов
Модель Брэдли-ТерриМодель Плaкетта-Льюса

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 2). Rank Aggregation Methods. ScholarGate. https://scholargate.app/ru/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

Упоминается в

ScholarGateRank Aggregation (Rank Aggregation Methods). Получено 2026-06-15 из https://scholargate.app/ru/decision-making/rank-aggregation · Набор данных: https://doi.org/10.5281/zenodo.20539026