전문가 세트를 주문하거나 순위를 매기는 방법은 무엇입니까?

필드에 많은 전문가가 포함 된 데이터베이스가 있습니다. 각 전문가마다 다음과 같은 다양한 속성 / 데이터 포인트가 있습니다.

• 수년간의 경험.
• 라이센스
• 리뷰 수
• 그 리뷰의 텍스트 내용
• 속도, 품질 등과 같은 여러 가지 요소에 대한 각 리뷰의 5 성급 평가
• 상, 협회, 회의 등

이 전문가들의 중요성을 기준으로 10 명 중 1 명을 평가하고 싶습니다. 일부 전문가에게는 일부 데이터 포인트가 누락되었을 수 있습니다. 이제 내 질문은 어떻게 그런 알고리즘을 생각해내는 것입니까? 누구든지 관련 문헌을 알려줄 수 있습니까?

또한 모든 등급 / 리뷰와 마찬가지로 숫자가 일부 값 근처에 모일 수 있다고 우려합니다. 예를 들어, 대부분의 경우 8 또는 5가 될 수 있습니다. 일부 속성에 대해서만 작은 차이를 점수에서 더 큰 차이로 강조 표시하는 방법이 있습니까?

내가 생각한 다른 토론은 관련이있을 수 있습니다.

• 각 등급에 대해 여러 카테고리가있는 베이지안 등급 시스템
• IMDB 영화 등급은 어떻게 계산합니까?
• 전문가의 우선 순위 도출
• 입력이 상하로 투표되는 최고 순위 알고리즘에는 어떤 것이 있습니까?

사람들은 여러 기준에 따라 전문가와 같은 등급을 매기는 수많은 시스템을 발명했습니다 . 목록을 보려면 다중 기준 결정 분석 의 Wikipedia 페이지를 방문하십시오 . 그러나 거기에 잘 표현되지 않은 것은 가장 방어적인 방법 중 하나입니다. 다중 속성 평가 이론. 여기에는 (a) 개별 변수의 값을 다시 표현하는 적절한 방법을 결정하고 (b) 순위에 대한 점수를 얻기 위해 다시 표현 된 값에 가중치를 부여하기 위해 일련의 기준 간 장단점을 평가하는 일련의 방법이 포함됩니다. . 원리는 단순하고 방어 적이며 수학은 탄탄 할 수 없으며 이론에 대한 환상은 없습니다. 더 많은 사람들이 임의의 점수 시스템을 발명하기보다는 이러한 방법을 알고 연습해야합니다.

궁극적으로 이것은 단지 통계적인 운동이 아닐 수도 있습니다. PCA는 순위에 사용할 수있는 처음 몇 가지 주요 구성 요소에서 점수를 생성 할 수있는 매우 강력한 정량적 방법입니다. 그러나 주요 구성 요소가 무엇인지 설명하는 것은 매우 어려운 일입니다. 그것들은 양적인 구성입니다. 그들은 변증법이 아닙니다. 따라서 그들이 의미하는 바를 설명하는 것은 때때로 불가능합니다. 정량적이지 않은 잠재 고객이있는 경우 특히 그렇습니다. 그들은 당신이 무슨 말을하는지 전혀 모를 것입니다. 그리고, PCA를 일부 비밀 블랙 박스라고 생각할 것입니다.

대신, 나는 단순히 모든 관련 변수를 정리하고 가중치가 있어야한다고 생각하는 것을 기반으로 가중치 시스템을 사용합니다.

외부인, 고객, 사용자를 위해 이것을 개발하면 사용자에게 가중치를 결정하는 유연성을 포함시킬 수 있다면 좋을 것입니다.
일부 사용자는 몇 년의 경험을 인증 및 그 반대의 가치보다 훨씬 더 중요하게 생각할 수 있습니다. 그 결정을 그들에게 맡길 수 있다면. 이렇게하면 알고리즘이 이해하지 못하는 블랙 박스가 아니며 편안하지 않습니다. 중요한 사항에 대한 상대적 평가를 기반으로 완전히 투명하게 유지하십시오.

모든 속성을 수량화 할 수 있다고 생각하십니까?

그렇다면 주성분 분석을 수행하는 것이 좋습니다. 모든 상관 관계가 긍정적 인 일반적인 경우 (그리고 그렇지 않은 경우 일부 변환을 사용하여 쉽게 도달 할 수 있음) 첫 번째 주요 구성 요소는 가중치가 적용되므로 전문가의 총 중요성을 측정하는 척도로 간주 할 수 있습니다. 모든 속성의 평균 (및 가중치는 변수의 해당 기여도입니다.-이 관점에서 방법 자체는 각 속성의 중요성을 나타냅니다 ). 첫 번째 주요 구성 요소에서 각 전문가가 얻는 점수는 순위를 매기는 데 필요한 것입니다.