我有一个数据库，其中包含一个领域的大量专家。对于每个专家，我都有各种属性/数据点，例如：
我想根据他们的重要性给这些专家说10分。一些专家可能缺少一些数据点。现在我的问题是如何提出这样的算法？谁能指出我一些相关的文献？
我也担心，与所有评分/评论一样，该数字可能会在一些值附近聚集。例如，其中大多数可能最终得到8或5。是否有一种方法可以仅将某些属性突出显示小差异，使得分差异更大。
我认为其他一些讨论可能是相关的：
Answers:
人们发明了许多系统，可以根据多种标准对事物（例如专家）进行评级：访问Wikipedia页面上的多准则决策分析以获取列表。但是，那里没有被很好地代表的方法是那里最可辩护的方法之一：多属性评估理论。 这包括一组评估标准之间的权衡的方法，以便（a）确定重新表达各个变量的值的适当方法，以及（b）对重新表达的值进行加权以获得得分以进行排名。原理很简单，也很容易辩护，数学是无可指摘的，理论也没什么花哨的。更多的人应该知道和实践这些方法，而不是发明任意的计分系统。
最终，这可能不仅仅是统计工作。PCA是一种非常强大的定量方法，可让您在可用于排名的前几个主要成分上生成分数或权重。但是，解释主要成分是非常具有挑战性的。它们是定量结构。他们不是辩证的。因此，有时无法解释它们的真正含义。如果您的听众不是定量的，则尤其如此。他们不会知道您在说什么。并且，会将您的PCA视为一些神秘的黑匣子。
取而代之的是，我将所有相关变量简单地排列起来，并根据人们认为的权重应该使用权重系统。
我认为，如果为外部人员，客户，用户开发此功能，则可以嵌入决定用户权重的灵活性，那就太好了。
有些用户可能会珍视多年的经验，而不是认证。如果您可以将该决定留给他们。这样，您的算法就不会成为他们不理解并且不满意的黑匣子。您将其保持完全透明，并根据他们自己对重要问题的相对评估，由他们决定。
您认为您可以量化所有这些属性吗？
如果是，我建议进行主成分分析。在所有相关都是正的一般情况下（如果不是，则可以使用一些转换轻松达到该水平），第一个主成分可以被视为衡量专家总重要性的指标，因为它是加权的所有属性的平均值（权重将是变量的相应贡献-在这种情况下，方法本身将揭示每个属性的重要性）。每个专家在第一个主要部分中获得的分数就是您对他们进行排名所需要的。