ฉันจะสั่งซื้อหรือจัดอันดับชุดของผู้เชี่ยวชาญได้อย่างไร

ฉันมีฐานข้อมูลที่มีผู้เชี่ยวชาญจำนวนมากในสาขา สำหรับผู้เชี่ยวชาญแต่ละคนฉันมีคุณลักษณะ / จุดข้อมูลที่หลากหลายเช่น:

• จำนวนประสบการณ์
• ใบอนุญาต
• จำนวนบทวิจารณ์
• เนื้อหาที่เป็นข้อความของบทวิจารณ์เหล่านั้น
• ระดับ 5 ดาวจากการรีวิวแต่ละรายการสำหรับปัจจัยหลายประการเช่นความเร็วคุณภาพและอื่น ๆ
• รางวัลการเข้าร่วมการประชุม ฯลฯ

ฉันต้องการให้คะแนนกับผู้เชี่ยวชาญเหล่านี้ว่าคะแนนเต็ม 10 จากความสำคัญของพวกเขา จุดข้อมูลบางส่วนอาจหายไปสำหรับผู้เชี่ยวชาญบางคน ตอนนี้คำถามของฉันคือฉันจะทำอัลกอริธึมแบบนี้ได้อย่างไร? ใครช่วยชี้ให้ฉันดูวรรณกรรมที่เกี่ยวข้องได้บ้าง

นอกจากนี้ฉันยังกังวลว่าเช่นเดียวกับการให้คะแนน / รีวิวตัวเลขอาจรวมอยู่ใกล้กับค่าบางอย่าง ตัวอย่างเช่นพวกเขาส่วนใหญ่อาจได้รับคะแนน 8 หรือ 5 มีวิธีการเน้นความแตกต่างของ litle ให้แตกต่างกันมากขึ้นในคะแนนสำหรับคุณลักษณะบางอย่างเท่านั้น

การสนทนาอื่น ๆ ที่ฉันคิดว่าอาจเกี่ยวข้อง:

• ระบบการให้คะแนนแบบเบย์ที่มีหลายหมวดหมู่สำหรับการจัดระดับแต่ละประเภท
• คุณจะคำนวณอันดับภาพยนตร์ IMDB อย่างไร
• ลวงตาบวชจากผู้เชี่ยวชาญ
• อะไรคืออัลกอริทึมการจัดอันดับที่ดีที่สุดที่มีอินพุตเป็นคะแนนขึ้นและลง?

ผู้คนได้คิดค้นระบบมากมายสำหรับการให้คะแนน (เช่นผู้เชี่ยวชาญ) ในหลาย ๆ เกณฑ์: ไปที่หน้าวิกิพีเดียในการวิเคราะห์การตัดสินใจแบบหลายเงื่อนไขสำหรับรายการ แม้ว่าจะไม่ได้เป็นตัวแทนที่ดี แต่เป็นหนึ่งในวิธีการที่ป้องกันได้มากที่สุด: ทฤษฎีการประเมินค่าคุณลักษณะหลายประการ ซึ่งรวมถึงชุดของวิธีการประเมินการแลกเปลี่ยนระหว่างชุดของเกณฑ์เพื่อ (ก) กำหนดวิธีที่เหมาะสมในการแสดงค่าของตัวแปรแต่ละตัวอีกครั้งและ (b) น้ำหนักค่าที่แสดงซ้ำเพื่อให้ได้คะแนนสำหรับการจัดอันดับ . หลักการเรียบง่ายและสามารถป้องกันได้คณิตศาสตร์ไม่สามารถเข้าถึงได้และไม่มีอะไรแปลกใจเกี่ยวกับทฤษฎี ผู้คนจำนวนมากควรรู้และฝึกฝนวิธีการเหล่านี้มากกว่าที่จะประดิษฐ์ระบบการให้คะแนนตามอำเภอใจ

ท้ายที่สุดสิ่งนี้อาจไม่ใช่การออกกำลังกายเชิงสถิติเพียงอย่างเดียว PCA เป็นวิธีการเชิงปริมาณที่มีประสิทธิภาพมากซึ่งจะช่วยให้คุณสร้างคะแนนหรือน้ำหนักสำหรับองค์ประกอบหลักสองสามชิ้นแรกที่คุณสามารถใช้สำหรับการจัดอันดับ อย่างไรก็ตามการอธิบายว่าองค์ประกอบหลักคืออะไรที่ท้าทายมาก มันเป็นโครงสร้างเชิงปริมาณ พวกเขาไม่ใช่คนวิภาษ ดังนั้นเพื่ออธิบายสิ่งที่พวกเขาหมายถึงอย่างแท้จริงบางครั้งเป็นไปไม่ได้ โดยเฉพาะอย่างยิ่งหากคุณมีผู้ชมที่ไม่ได้เป็นเชิงปริมาณ พวกเขาจะไม่รู้ว่าคุณกำลังพูดถึงอะไร และจะคิดว่า PCA ของคุณเป็นกล่องดำที่คลุมเครือ

แต่ฉันจะจัดเรียงตัวแปรที่เกี่ยวข้องทั้งหมดและใช้ระบบถ่วงน้ำหนักตามสิ่งที่คนคิดว่าควรจะเป็นน้ำหนัก

ฉันคิดว่าถ้าคุณพัฒนาสิ่งนี้สำหรับบุคคลภายนอกลูกค้าผู้ใช้มันจะดีมากถ้าคุณสามารถฝังความยืดหยุ่นในการตัดสินใจเกี่ยวกับน้ำหนักของผู้ใช้
ผู้ใช้บางคนอาจให้ความสำคัญกับประสบการณ์เป็นปีมากกว่าการรับรองและข้อรอง หากคุณสามารถทิ้งการตัดสินใจไว้กับพวกเขาได้ วิธีนี้อัลกอริทึมของคุณไม่ใช่กล่องดำที่พวกเขาไม่เข้าใจและไม่สะดวก คุณทำให้มันโปร่งใสอย่างสมบูรณ์และขึ้นอยู่กับพวกเขาตามการประเมินความสัมพันธ์ของพวกเขาในสิ่งที่สำคัญ

คุณคิดว่าคุณสามารถหาปริมาณคุณลักษณะทั้งหมดได้หรือไม่?

ถ้าใช่ฉันขอแนะนำให้ทำการวิเคราะห์องค์ประกอบหลัก ในกรณีทั่วไปที่ความสัมพันธ์ทั้งหมดเป็นค่าบวก (และหากไม่ใช่คุณสามารถไปที่นั่นได้อย่างง่ายดายโดยใช้การแปลงบางส่วน) องค์ประกอบหลักแรกถือได้ว่าเป็นการวัดความสำคัญทั้งหมดของผู้เชี่ยวชาญเนื่องจากเป็นน้ำหนัก ค่าเฉลี่ยของคุณลักษณะทั้งหมด (และน้ำหนักจะเป็นการมีส่วนร่วมของตัวแปรที่สอดคล้องกัน - ภายใต้มุมมองนี้วิธีการเองจะเปิดเผยความสำคัญของแต่ละแอตทริบิวต์) คะแนนที่ผู้เชี่ยวชาญแต่ละคนประสบความสำเร็จในองค์ประกอบหลักแรกคือสิ่งที่คุณต้องจัดอันดับ