基于ELO体系的学科竞赛排名模型优化研究

随着越来越多的高校学生投入到学科竞赛中,急需对参与竞赛的选手进行公开、透明且有效的评分和选拔。先将ELO评分系统从双人博弈拓展至多人,考虑到多人ELO评分系统收敛速度慢,引入定位赛的机制,通过定位系数使选手分数快速收敛,保证可靠性,并通过排名优化、机遇优化解决比赛排名和选手实力严重不符的问题,采用膨胀优化解决ELO评分系统总分数不断膨胀的问题。针对模拟数据和团队数据的实验结果表明优化的ELO评分系统在实际运用中能较为精准的反应选手的水平,在极端情况下的稳定性较好。

比赛评价模型在新闻信息排序中的应用

Bradley-Terry模型是一种简单有效的基于过去比赛信息来预测将来比赛结果的模型。ELO算法某种程度上是Bradley-Terry模型的一种简化,它们已经被应用于很多方向。本文简要介绍这两种算法,并将它们改进应用于新闻标题排序。通过对一组新闻标题数据的测试,发现Bradley-Terry模型虽然拥有较高的准确度,但是在算法执行效率上比ELO算法差了很多。