SCORING FORMULA / RPBradley–Terry 等级分:RP 分 = 对平均水平对手的预期胜率 × 100
每张票拆成许多场两两比较,再用 Bradley–Terry 模型估出每个条目的实力 π。记参评条目共 n 个、选票共 B 张;第 b 张票里,Rb 是排进名单的条目,Ab 是投票当时可选的全部条目,Ub = Ab ∖ Rb 是可选但没排进名单的条目;i ≻b j 表示这张票里 i 排在 j 前面;方括号 [·] 在条件成立时取 1,否则取 0。
① 每张票拆成加权的两两比较。名单里排在前面的赢后面的,权重 1;名单里的赢没排进名单的,权重只有 λ = 1/5;两个都没排的条目之间不产生比较。得到加权胜场数 wij(i 赢 j):
② Bradley–Terry 模型。每个条目有一个正的实力值 πi,i 战胜 j 的概率为:
③ 先验(防止一两张票就让分数大起大落)。让每个条目预先和一个实力恒为 1 的「平均水平」对手打 v 场比赛,一半赢、一半输。v 的大小相当于 k = 2 张「只排了这一个条目」的票的比较量:
于是要最大化的带先验对数似然为:
④ 迭代求解。用 MM(minorization–maximization)迭代:从全为 1 的初值出发,反复用下式更新。其中 Wi 是条目 i 的加权总胜场,上标 (t) 表示迭代的第 t 轮:
直到相邻两轮的最大变化足够小就停止(最多迭代 500 轮):
⑤ RP 分。就是条目 i 对一个实力为 1 的平均水平对手的预期胜率乘以 100:
所以没有任何数据的条目 πi = 1,RP 分正好是 50。榜单按 RP 分从高到低排序,同分时被提名次数 mi 多的在前,两者都相同才并列: