剧集
使用 Bradley-Terry 模型对项进行缩放排名
替换为 Ella Kaye
useR！2017：使用 Bradley 对项进行可缩放排名-...
关键字：引文数据、定向网络、配对比较、准对称、稀疏矩阵
网页： https://github.com/EllaKaye/BradleyTerryScalable
在大规模引文网络分析的推动下，我们实现了熟悉的布拉德利-特里模型（Zermelo 1929;Bradley 和 Terry 1952）以这种方式应用它，具有相对适度的内存和执行时间要求，以便将来自具有大量节点的网络的数据配对。 这提供基于配对比较对大量对象进行排名的统计原则方法。
BradleyTerryScalable 包通过允许比较更多的对象来补充现有的 CRAN 包 BradleyTerry2 （Firth 和 Turner 2012）。 与 BradleyTerry2 相比，新的 BradleyTerryScalable 包仅实现布拉德利-特里模型最简单的“非结构化”版本。 新包利用其他 R 包 igraph（Csardi 和 Nepusz 2006）、Matrix（Bates 和 Maechler 2017）和 Rcpp（Eddelbuettel 2013）中的功能，在模型规范（全网络与断开连接的 cliques）以及内存效率和速度方面提供灵活性。 Caron 和 Doucet （2012） 的贝耶斯方法作为最大可能性的可选替代方法提供，以便允许全网络排名，即使配对比较网络未完全连接。
BradleyTerryScalable 包可以轻松处理来自具有数千个节点的定向网络的数据。 布拉德利-特里模型从引文数据中生成排名最初是在斯蒂格勒（1994年）中倡导的，最近在瓦林、卡特兰和菲尔特（2016年）进行了详细研究：在这里，我们将说明其与大型公司间专利引文网络的使用。
引用贝茨、道格拉斯和马丁·梅赫勒。 2017. “矩阵：稀疏和密集矩阵类和方法。 R 包版本 1.2-8。 http://cran.r-project.org/package=Matrix。
布拉德利、拉尔夫·艾伦和米尔顿·埃特里。 1952. “对不完整块设计的排名分析：I. 配对比较的方法。 生物米特里卡 39： 324 –45.
卡龙、弗朗索瓦斯和阿诺德·杜塞特。 2012. “对通用布拉德利-特里模型的高效贝叶斯推理。 计算和图形统计信息 日记 21：174-96。
萨尔迪、加博尔和塔马斯·内普什。 2006. “复杂网络研究的 igraph 软件包。 间 综合系统：1695。 http://igraph.org。
埃德尔布耶特尔，迪克 2013. 无缝 R 和 C++ 与 Rcpp 集成。 纽约：斯普林格
菲尔斯、大卫和希瑟·特纳。 2012. “R 中的 Bradley-Terry 模型：布拉德利Terry2 包。 统计软件 杂志 48 （9）。 http://www.jstatsoft.org/v48/i09。
斯蒂格勒，斯蒂芬·M.1994年。 “统计信息和概率杂志中的引文模式。 统计科学，94-108。
瓦林、克里斯蒂亚诺、马努埃拉·卡特兰和大卫·菲尔斯。 2016. “统计期刊之间的引文交换的统计模型。 皇家统计学会杂志：第一系列（社会统计） 179：1-63。
泽梅洛，恩斯特 1929. “Die Berechnung Der Turnier-Ergebnisse Als Ein Maximumproblem Der Wahrscheinlichkeitsrechnung. 马西马蒂什泽奇里夫特 29： 436 –60.
useR！2017：使用 Bradley 对项进行可缩放排名-...
关键字：引文数据、定向网络、配对比较、准对称、稀疏矩阵
网页： https://github.com/EllaKaye/BradleyTerryScalable
在大规模引文网络分析的推动下，我们实现了熟悉的布拉德利-特里模型（Zermelo 1929;Bradley 和 Terry 1952）以这种方式应用它，具有相对适度的内存和执行时间要求，以便将来自具有大量节点的网络的数据配对。 这提供基于配对比较对大量对象进行排名的统计原则方法。
BradleyTerryScalable 包通过允许比较更多的对象来补充现有的 CRAN 包 BradleyTerry2 （Firth 和 Turner 2012）。 与 BradleyTerry2 相比，新的 BradleyTerryScalable 包仅实现布拉德利-特里模型最简单的“非结构化”版本。 新包利用其他 R 包 igraph（Csardi 和 Nepusz 2006）、Matrix（Bates 和 Maechler 2017）和 Rcpp（Eddelbuettel 2013）中的功能，在模型规范（全网络与断开连接的 cliques）以及内存效率和速度方面提供灵活性。 Caron 和 Doucet （2012） 的贝耶斯方法作为最大可能性的可选替代方法提供，以便允许全网络排名，即使配对比较网络未完全连接。
BradleyTerryScalable 包可以轻松处理来自具有数千个节点的定向网络的数据。 布拉德利-特里模型从引文数据中生成排名最初是在斯蒂格勒（1994年）中倡导的，最近在瓦林、卡特兰和菲尔特（2016年）进行了详细研究：在这里，我们将说明其与大型公司间专利引文网络的使用。
引用贝茨、道格拉斯和马丁·梅赫勒。 2017. “矩阵：稀疏和密集矩阵类和方法。 R 包版本 1.2-8。 http://cran.r-project.org/package=Matrix。
布拉德利、拉尔夫·艾伦和米尔顿·埃特里。 1952. “对不完整块设计的排名分析：I. 配对比较的方法。 生物米特里卡 39： 324 –45.
卡龙、弗朗索瓦斯和阿诺德·杜塞特。 2012. “对通用布拉德利-特里模型的高效贝叶斯推理。 计算和图形统计信息 日记 21：174-96。
萨尔迪、加博尔和塔马斯·内普什。 2006. “复杂网络研究的 igraph 软件包。 间 综合系统：1695。 http://igraph.org。
埃德尔布耶特尔，迪克 2013. 无缝 R 和 C++ 与 Rcpp 集成。 纽约：斯普林格
菲尔斯、大卫和希瑟·特纳。 2012. “R 中的 Bradley-Terry 模型：布拉德利Terry2 包。 统计软件 杂志 48 （9）。 http://www.jstatsoft.org/v48/i09。
斯蒂格勒，斯蒂芬·M.1994年。 “统计信息和概率杂志中的引文模式。 统计科学，94-108。
瓦林、克里斯蒂亚诺、马努埃拉·卡特兰和大卫·菲尔斯。 2016. “统计期刊之间的引文交换的统计模型。 皇家统计学会杂志：第一系列（社会统计） 179：1-63。
泽梅洛，恩斯特 1929. “Die Berechnung Der Turnier-Ergebnisse Als Ein Maximumproblem Der Wahrscheinlichkeitsrechnung. 马西马蒂什泽奇里夫特 29： 436 –60.
想提供反馈？ 在此处提交问题。