是否有以相对排名为基础提供绝对分数的声誉系统？

Question

(Meta:不确定这个问题是否适合StackOverflow，它有一个AI/统计倾向。请随意推荐哪个StackExchange站点更合适。)

很多声誉系统，如eBay、Slashdot、AirBnB和StackOverflow，都是根据用户的努力得到多少正面和负面评价来建立声誉的。在这种情况下，用户根据一个好/坏信号对其他人进行投票，比如向上或向下投票。在大多数情况下，这是一个绝对的评级:一个答案是有帮助的，或者它没有，或者一个评论是好的或不好的，一个卖主/买家是好的或不好的处理，等等。

我想要建立一个声誉系统，其中每个个人评级的内在基础是，被评级的人相对于进行评级的人而言有多好(仅仅因为这是领域)。我希望能够以一种“绝对”的方式推荐一些东西，尽管评级不可避免地是相对的。向一个评价太远的人推荐一些东西(要么太好，要么太糟糕)会对他们的经历产生负面影响。目的是推荐喜欢的人。

假设这是一个虚构的场景。

有一个系统可以将想要一起玩扑克的人联系起来。在扑克游戏中，玩家相互竞争，如果游戏太简单，或者太难，就会对每个人的游戏乐趣产生负面影响。球员是根据他们的技能来打分的，相对于个人打分(即“她比我好”是一种向上的投票，“他比我更差”是一种否决)。通过所有这些评级，系统应该能够对玩家进行5分之一的评分，这样寻找其他玩家的人就可以找到他们自己的水平。

我怀疑，根据人们的吸引力，约会服务可能会做类似的事情。这听起来很可怕，我知道，但我想，两个人在这方面相距甚远，这可能是在浪费两党的时间，因为我们人类是多么肤浅。

是否有设计成“在曲线上评分”的声誉系统，这样用户就能够在规模上找到‘他们的观点’，并被推荐到接近这个点的地方？这样的系统怎么会被编程呢？

Answer 1

康拉德的评论是我需要“解锁”的搜索词。这给我带来了以下声誉算法：

• Elo评分系统
• 微软的TrueSkill
• Glicko和Glicko-2评级系统

所有这些都以我所描述的方式提供了绝对的评级。