一个python库，其核心算法用于公平搜索。
fairsearchcore的Python项目详细描述
#python的公平搜索核心
[！[图像]（https://img.shields.io/pypi/status/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/v/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/pyversions/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/l/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/implementation/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
这是python库，核心算法用于[fa*ir]排名（https://arxiv.org/abs/1706.06368）。
/>p=0.25受保护候选者在topk元素中的比例（值应介于0.02和0.98之间）
alpha=0.1显著性水平（值应介于0.01和0.15之间）
usted
mtable=fair.创建未调整的mtable（）
>；[0，0，0，0，0，0，0，0，1，1，1，1，2，2，2，2，3]
ing alpha-adjusted
mtable=fair.create_-adjusted_-mtable（）
>；[0，0，0，0，0，0，1，1，1，1，1，1，2，2，2，2]
```
生成随机排名并对其进行分析：
`````{.sourcecode.python}
m=10000要生成的排名数（对大数字更有效）
。生成排名（m，k，p）
>；[[<；FairScoreDoc[protected]>；，<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[protected]>；，
<；FairScoreDoc[protected]>；，<；FairScoreDoc[nonprotected]>；，
<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[受保护]>；，<；FairScoreDoc[未受保护]>；，
<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[未受保护]>；，
<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[受保护]>；，<；FairScoreDoc[未受保护]，>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[保护]>；，…]
可能性（mtable，排名）
>；0.1076
````
对给定排名应用公平的重新排名：
````
r/>不公平排名=[FairScoreDoc（20，20，False），FairScoreDoc（19，19，False），FairScoreDoc（18，18，False），
FairScoreDoc（17，17，False），FairScoreDoc（16，16，False），FairScoreDoc（15，15，False），
FairScoreDoc（14，14，False），FairScoreDoc（13，13，FALSE），FairScoreDoc（12，12，假），
FairScoreDoc（11，11，假），FairScoreDoc（10，10，假），FairScoreDoc（9，9，false），
FairScoreDoc（8，8，false），FairScoreDoc（7，7，false），FairScoreDoc（6，6，true），
FairScoreDoc（5，5，true），FairScoreDoc（4，4，true），FairScoreDoc（3，3，true），
FairScoreDoc（2，2，true），FairScoredoc（1，1，true）]
现在重新排列不公平的排名
公平。重新排列（不公平的排名）
>；[<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairSCOreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[保护]>；，<；FairScoreDoc[保护]>；，
<；FairScoreDoc[保护]>；，<；FairScoreDoc[保护]>；]e库包含每个函数的足够的代码文档。
克隆此存储库"git clone https://github.com/fair search/fairsearchcore python.git`
2。将目录更改为复制存储库cd的目录，其中下载了/fairsearchcore python`
3。使用任何IDE来处理代码
\testing
PROC在2017年信息和知识管理会议（CIkm）上，
此代码由[ivan kitanovski]基于本文开发（http://ivankitanovski.com/）。有关详细信息，请参阅[许可证]（https://github.com/fa ir-search/fairsearch-core/blob/master/python/license）文件。
\br/>
[！[图像]（https://img.shields.io/pypi/status/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/v/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/pyversions/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/l/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
[！[图像]（https://img.shields.io/pypi/implementation/fairsearchcore.svg）（https://pypi.org/project/fairsearchcore/）
这是python库，核心算法用于[fa*ir]排名（https://arxiv.org/abs/1706.06368）。
/>p=0.25受保护候选者在topk元素中的比例（值应介于0.02和0.98之间）
alpha=0.1显著性水平（值应介于0.01和0.15之间）
usted
mtable=fair.创建未调整的mtable（）
>；[0，0，0，0，0，0，0，0，1，1，1，1，2，2，2，2，3]
ing alpha-adjusted
mtable=fair.create_-adjusted_-mtable（）
>；[0，0，0，0，0，0，1，1，1，1，1，1，2，2，2，2]
```
生成随机排名并对其进行分析：
`````{.sourcecode.python}
m=10000要生成的排名数（对大数字更有效）
。生成排名（m，k，p）
>；[[<；FairScoreDoc[protected]>；，<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[protected]>；，
<；FairScoreDoc[protected]>；，<；FairScoreDoc[nonprotected]>；，
<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[受保护]>；，<；FairScoreDoc[未受保护]>；，
<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[未受保护]>；，
<；FairScoreDoc[未受保护]>；，<；FairScoreDoc[受保护]>；，<；FairScoreDoc[未受保护]，>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[保护]>；，…]
可能性（mtable，排名）
>；0.1076
````
对给定排名应用公平的重新排名：
````
r/>不公平排名=[FairScoreDoc（20，20，False），FairScoreDoc（19，19，False），FairScoreDoc（18，18，False），
FairScoreDoc（17，17，False），FairScoreDoc（16，16，False），FairScoreDoc（15，15，False），
FairScoreDoc（14，14，False），FairScoreDoc（13，13，FALSE），FairScoreDoc（12，12，假），
FairScoreDoc（11，11，假），FairScoreDoc（10，10，假），FairScoreDoc（9，9，false），
FairScoreDoc（8，8，false），FairScoreDoc（7，7，false），FairScoreDoc（6，6，true），
FairScoreDoc（5，5，true），FairScoreDoc（4，4，true），FairScoreDoc（3，3，true），
FairScoreDoc（2，2，true），FairScoredoc（1，1，true）]
现在重新排列不公平的排名
公平。重新排列（不公平的排名）
>；[<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[nonprotected]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[保护]>；，
<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairSCOreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，<；FairScoreDoc[非保护]>；，
<；FairScoreDoc[保护]>；，<；FairScoreDoc[保护]>；，
<；FairScoreDoc[保护]>；，<；FairScoreDoc[保护]>；]e库包含每个函数的足够的代码文档。
克隆此存储库"git clone https://github.com/fair search/fairsearchcore python.git`
2。将目录更改为复制存储库cd的目录，其中下载了/fairsearchcore python`
3。使用任何IDE来处理代码
\testing
PROC在2017年信息和知识管理会议（CIkm）上，
此代码由[ivan kitanovski]基于本文开发（http://ivankitanovski.com/）。有关详细信息，请参阅[许可证]（https://github.com/fa ir-search/fairsearch-core/blob/master/python/license）文件。
\br/>
欢迎加入QQ群-->： 979659372
