什麼是Hotter or Notter 計畫

Hotter or Notter 研究計畫的目標是在建立起一套排名機制，以較少的投票次數，有效率且準確性高的排序大量的資料，得知每位參賽者的排名。 在Internet越來越風行的現今，這個問題越來越被重視，例如：現在有許多網路票選活動，想藉由網友的力量，票選如電影、音樂、甚至是美女或型男， 在這些排名比賽中，往往不但有幾千幾萬位參賽者，並且隨時可能有參賽者被移除或是加入，更重要的是，由於參賽者眾多，每位參賽者通常只會被少數投票者所投票， 因此如何用較少的投票次數，來得知所有參賽者排名就成為很重要的課題。

現行的許多排名系統，在解決這個排名問題時，有些使用打分數的方式來評斷照片(如:hotornot讓使用者給每張照片1~10分)， 並以平均分數來排名。這樣的做法雖然簡單，但易受使用者打分數的基準影響，例如"好心"的使用者可能習慣打7~10分，然而"嚴格"的使用者可能習慣打3~5分的分數。 如此在投票票數不多的情況下，容易造成排名的誤差。 除此之外，某些系統中，使用兩兩比較的方式來投票，如此可以排除如打分數般的評斷者誤差。但是這些系統大多以平均勝率作為排序的手段，如此一來，贏了一位厲害的參賽者，與贏了一位弱小的參賽者，得到了同樣的加分，因此也很難在投票數很少的情況下得到很好的排名成果。 另外，在處理類似的問題中，還有一些系統，如: Elo、Glicko以及TrueSkill有很傑出的成果，前兩者是西洋棋手排名問題中有名的演算法，後者是微軟研究團隊研發的演算法，用於替線上遊戲的玩家排名，以求得最好的比賽配對。

在我們的系統中，我們預先選好需要互相比較的參賽者，這樣做的目的，一方面可以保持每位參賽者的比較次數大致相同， 另一方面可以保證所有照片都能有間接比較。經由投票者選出勝利者之後，我們利用修改過的 Bradley and Terry Model來進行排序，在這個演算法之中，我們假設每張照片都有一個能力值，而我們經由求解找尋最大值的數學問題，求出每位參賽者能力的最大機率分布，讓這些能力值與實際的投票結果有最佳對應，即能力值大的人在兩兩比較中較容易獲勝，反之則較難得到勝利。 預測每位參賽者能力值後，我們就可以經由排序這些能力值得到實際的名次列表。

目前我們的排名系統，每位參賽者只需比較平均七次，就得到與Hotornot幾千次分數投票差不多甚至更好的結果，也就是假設一個三萬張照片的票選活動，我們僅需二十一萬票，就能得到差不多的排名。目前我們仍就這套演算法的改進繼續研究。