Algorithm 具有Elo的评级系统，更好的替代方案？

我正在研究评级算法。我有一套练习。它们都按级别分类（1=最容易，5=最难）

用户会看到两个练习，应该决定哪一个更难，或者两者是否相等。根据用户评分，应调整级别

我所做的： 我尝试了Elo评分

我的问题是: 有没有更好的算法来完成这个用例？（到目前为止没有发现任何东西）

提前谢谢，干杯。

---

托比

我会尝试以一种简单但（我希望）有效的方式解决这个问题

首先，只有当投票与系统实际期望的不同时，才更新练习评分。从现在起，我将只考虑用户输出与系统实际期望不同的情况

第二，我会给两个级别有很大差异的选票更多的权重。对评级为2和3的两个练习的错误预期的影响应小于对评级为1和5的两个练习的错误预期

也就是说，我的算法大致如下：

1-设置了一个常量百分比，我们称之为

increment

。它确定了投票产生的影响百分比，并且可以根据用户数量进行修改

2-对于“意外”投票，我会计算原始水平之间的差异（至少为1）

3-我会根据

增量

和

差异

的乘积，以百分比的形式更新每个练习评分

if (ex1 level expected bigger)
    ex1.rating = ex1.rating + diff*increment;
else
    ex1.rating = ex1.rating - diff*increment;

评级为浮动，级别为评级的四舍五入：

ex1.level = round(ex1.rating)

示例：

让我们设置

increment=0.1

<代码>exA，评级为2.0且等级为2级，与

exB

，评级为3.0且等级为3级进行比较

第一个用户选择

exB

作为最难的。没有任何变化，因为这是系统预期的结果

第二个用户选择

exA

。这不是预期的结果。这两个练习之间的差值为1，因此评分修改为系数1*0.1=0.1，

---

导致

exA.rating=2.1

对于

exB.rating=2.9

我会尝试以一种简单但（我希望）有效的方式解决这个问题

首先，只有当投票与系统实际期望的不同时，才更新练习评分。从现在起，我将只考虑用户输出与系统实际期望不同的情况

第二，我会给两个级别有很大差异的选票更多的权重。对评级为2和3的两个练习的错误预期的影响应小于对评级为1和5的两个练习的错误预期

也就是说，我的算法大致如下：

1-设置了一个常量百分比，我们称之为

increment

。它确定了投票产生的影响百分比，并且可以根据用户数量进行修改

2-对于“意外”投票，我会计算原始水平之间的差异（至少为1）

3-我会根据

增量

和

差异

的乘积，以百分比的形式更新每个练习评分

if (ex1 level expected bigger)
    ex1.rating = ex1.rating + diff*increment;
else
    ex1.rating = ex1.rating - diff*increment;

评级为浮动，级别为评级的四舍五入：

ex1.level = round(ex1.rating)

示例：

让我们设置

increment=0.1

<代码>exA，评级为2.0且等级为2级，与

exB

，评级为3.0且等级为3级进行比较

第一个用户选择

exB

作为最难的。没有任何变化，因为这是系统预期的结果

第二个用户选择

exA

。这不是预期的结果。这两个练习之间的差值为1，因此评分修改为系数1*0.1=0.1，

---

对于

exB.rating=2.9

，

exA.rating=2.1

。我建议进行Elo评级，在该评级中，您可以循环多次比较，每次都会使Elo调整更小。这消除了投票顺序的影响。这看起来很有趣，但没有限制。我建议进行Elo评级，在该评级中，您可以循环多次比较，每次都会使Elo调整更小。这消除了投票顺序的影响。