离散评分与连续评分对声誉和排名系统的影响

当用户对对象进行评分时，考虑能力或声誉的复杂算法可能比简单的算术平均产生更公平或更准确的评分聚合。最近，许多作者提出了不同的协同确定算法，其中用户和对象声誉的估计被迭代地共同优化，从而可以直接从评分数据中推导出两者的准确度量。然而，证明这些方法有效性的模拟假设了评分值的连续统，这与典型的物理建模实践一致，而在大多数实际评分系统中，只使用有限范围的离散值（例如5星系统）。我们对几种协同确定算法在不同离散评分尺度下进行了比较测试，并表明这种看似微小的修改实际上对算法的性能有显著影响。矛盾的是，在评分分辨率较低的情况下，用户评分中增加的噪声甚至可能提高系统的整体性能。