排名聚合算法在少量长列表聚合中的性能比较分析

• 作者: 朱章黔 王晓蒙 贾韬 陈玟宇
• 来源期刊: 物理学报
• 关键词: 排名聚合 不等长列表 Mallows模型 有偏等级重叠
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 研究论文
• 页码范围: 121-133
• 页数: 13页
• 字数: 11307字
• 语种: 中文
• DOI: 10.7498/aps.69.20191584

摘要

排名聚合将多个排名列表聚合成一个综合排名列表,可应用于推荐系统、链路预测、元搜索、提案评选等.当前已有工作从不同角度对不同排名聚合算法进行了综述、比较,但存在算法种类较少、数据统计特性不清晰、评价指标不够合理等局限性.不同排名聚合算法在提出时均声称优于已有算法,但是用于比较的方法不同,测试的数据不同,应用的场景不同,因此何种算法最能适应某一任务在很多情况下仍不甚清楚.本文基于Mallows模型,提出一套生成统计特性可控的不同类型的排名列表的算法,使用一个可应用于不同类型排名列表的通用评价指标,介绍9种排名聚合算法以及它们在聚合少量长列表时的表现.结果发现启发式方法虽然简单,但是在排名列表相似度较高、列表相对简单的情况下,能够接近甚至超过一些优化类方法的结果;列表中平局数量的增长会降低聚合排名的一致性并增加波动;列表数量的增加对聚合效果的影响呈现非单调性.整体而言,基于距离优化的分支定界方法(FAST)优于其他各类算法,在不同类型的排名列表中表现非常稳定,能够很好地完成少量长列表的排名聚合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓蒙	西南大学计算机与信息科学学院软件学院	8	49	4.0	7.0
2	贾韬	西南大学计算机与信息科学学院软件学院	4	1	1.0	1.0
3	陈玟宇	西南大学计算机与信息科学学院软件学院	1	0	0.0	0.0
4	朱章黔	中国人民解放军陆军勤务学院国防经济系	1	0	0.0	0.0