批量分组赋值排名技术问询：算法选型、效率及误差分析

问题背景 #

现有一包含X个对象（示例：1000人）的长列表，需为列表中对象赋值排名，允许存在并列、无差异及遗漏情况。每次仅能对K个对象（示例：5个）进行1-5分的评分操作（支持并列、遗漏）。

技术疑问 #

• 1. 该问题属于何种类型？
• 2. 适用于该问题的解决方案类别有哪些？
• 3. 如何选择每组5个对象进行评分，以实现最少的批量排名次数？
• 4. 最优算法的Big(O)表示法是什么？
• 5. 给定N次批量排名后，排序后列表的误差是多少？
• 6. 给定N次批量排名后，当前排名前P的对象的误差是多少？

调研发现 #

经调研，目前找到最接近的算法为成对比较算法，但常规排序/排名算法均基于已知排名，仅需优化排序步骤，未涉及排名赋值阶段的相关研究。

内容的提问来源于stack exchange，提问作者Matthew Laskowski