意外流行的集中排名顺序模型投票
原文中文，约300字，阅读约需1分钟。发表于：。本文探讨了当专家意见处于少数时，如何从个人报告中恢复真实信息的问题。提出了一种新的方法，利用意外流行算法的投票规则（SP-voting）来恢复基于多种替代方案的真实排名，并分析了在集中模型下所需的样本复杂度。显著发现是通过定义具有多个群体的集中混合模型，成功辨识不同类型的报告者，从而提高了SP-voting的有效性。
本文探讨在专家意见稀缺时，如何从个人报告中恢复真实信息。提出了一种新方法，利用意外流行算法的投票规则（SP-voting）来恢复真实排名，并分析样本复杂度。通过集中混合模型，成功识别不同类型的报告者，从而提高SP-voting的有效性。
