TW Community

HodgeRank

來分享我從政大離職前寫的一篇文章< HodgeRank,一個基於配對比較數據的推薦系統>

https://aiec.nccu.edu.tw/ai_column/14

之後有時間會將該文發展成完整的系列文章,包含 HodgeRank 的計算方法與理論

後面提到的同儕互評的機制
是都跟前面一個評分做成一組比較分數?
另外不知道有沒有考慮多個因素的 (越靠近的參考比重越大等)
當一連串的評分下來,參考的可能會是前幾個而非單單前一個而已
(甚至第一個的比重在前面幾個比重還會維持)
去除雜訊以及個人習慣還蠻重要的,我的話最低跟最高分基本上都不會去用到 :sweat_smile:

關於同儕互評,我用一個例子簡單介紹如何透過HodgeRank來進行,假設班上有30位同學,則針對每一位同學A,我們會從剩下29位同學中隨機挑選5位同學(B、C、D、E、F),來讓同學A進行評分。授課老師提供一個準則(guideline),以供同學對其被指派的同儕進行評分的原則。

理論上,授課老師會期望同學A會是根據準則來對五位同學進行評分,但是實務上,同學A只會很認真地去評B,至於同學C、D、E、F,則是根據他們與同學B的差異,來進行分數的校正。

在這樣的情形下,就會發生評分不一致的情況,在這種情況下,我們可以認為同學C、D、E、F的分數是不可信的,但由於他們是基於某個可信的分數(同學B)來進行比較,因此,BCDEF五位同學之間,任兩位同學的分數差反而是可信的,此時,就會產生配對比較數據了。

透過兩兩之間的相對分數,接下來的工作就是找出每個同學的絕對分數,而這也是我應用HodgeRank的同儕互評的動機與方法。

1個讚