我们的排名系统使用 GlickoTR，它基于备受推崇的 Glicko-2 方法，并为适应网球运动的特点进行了专门调整。具体说明如下：

关注局数胜率，而非仅胜负： GlickoTR 不只看简单的输赢。它分析您在一场比赛中赢得的局数百分比（您的局数 / 总局数）。以 6-0, 6-0 获胜比以 7-6, 7-6 获胜更能体现统治力，该算法能捕捉到这种细微差别，从而进行更精确的评分调整。

处理不同赛制： 因为算法使用的是局数胜率，所以只要输入了正确的局分，它就能自动、正确地处理非标准赛制（例如 8 局金球制或短盘制）。

• 比赛权重 - 不同赛果影响不同： 系统根据比赛能提供多少可靠信息来赋予不同的权重：
  • 完成的比赛 (COMPLETED): 完整权重 (1.0)。标准比赛能提供最清晰的数据。
  • 退赛 (RETIRED): 部分权重 (根据已完成局数调整，最高 0.8)。相比只打了几局就退赛，打了多局后才退赛的比赛能提供更多关于选手水平的信息。
  • 弃权/轮空 (WALKOVER): 零权重 (0.0)。因为没有进行实际比赛，所以不影响技术评分。

比赛顺序很重要： 您和对手的评分在每场比赛后都会发生变化。因此，使用正确的日期记录比赛非常重要，因为评分计算依赖于比赛发生的先后顺序。

理解评分参数与趋势图 您的个人资料页会显示三个关键 GlickoTR 参数的趋势图： 评分 (μ - Mu): 您的技术水平。 这是系统对您当前竞技实力的最佳估值。新玩家通常从 1500 分左右开始。超出预期获胜会使其增加；失利则使其减少。在趋势图上： 观察这条线可以看到您整体技术水平随时间的变化。 评分偏差 (φ - Phi): 可信度 / 不确定性。 这个值衡量系统对您评分 (μ) 的确信程度。初始值较高 (例如 350)，表示不确定。随着您打更多比赛，系统收集到更多数据，φ 值会降低。长时间不比赛或打出非常令人意外的结果可能会暂时使其升高。在趋势图上： 较低的 φ 线表示系统对您的评分更确定。较高的 φ 表示您的评分尚不稳定，下一场比赛后可能会有更显著的变化。 波动性 (σ - Sigma): 稳定性 / 波动程度。 这个值反映您表现的稳定性。初始值较低 (例如 0.06)。如果您的赛果很不稳定（例如，爆冷获胜后意外输球），σ 会增加。如果您的赛果始终符合预期（赢评分低的，输评分高的），σ 则倾向于降低。在趋势图上： 稳定且低的 σ 表明相对于您的评分而言，您的表现很稳定。σ 的峰值可能意味着发挥不稳定、水平快速提升期或休整后的调整期。

GlickoTR 算法实现基于 Heungsub Lee 的原始 Python glicko2 库和 Mark Glickman 开发的 Glicko-2 系统。