通过自监督学习实现自适应众包
机器学习
2024-02-05 v2 人机交互
摘要
常见的众包系统通过平均众包工人提供的关于潜在目标量的估计值来产生群体估计。我们开发了一种新方法——predict-each-worker——该方法利用了自监督学习和一种新颖的聚合方案。该方法根据众包工人对先前量提供的估计值来调整分配给他们的权重。当众包工人的技能存在差异或其估计值相关时，加权和比平均值提供更准确的群体估计。诸如期望最大化等现有算法至少在原则上可以产生同样准确的群体估计。然而，当需要使用复杂模型（如神经网络）来表达众包工人之间的关系时，其计算需求变得非常繁重。predict-each-worker 能够适应这种复杂性以及许多其他实际挑战。我们通过理论和计算研究分析了 predict-each-worker 的有效性。除其他结论外，我们证明了随着每个众包工人参与次数的增加，该方法具有渐近最优性。
引用
@article{arxiv.2401.13239,
title = {Adaptive Crowdsourcing Via Self-Supervised Learning},
author = {Anmol Kagrecha and Henrik Marklund and Benjamin Van Roy and Hong Jun Jeon and Richard Zeckhauser},
journal= {arXiv preprint arXiv:2401.13239},
year = {2024}
}
备注
33 pages, 3 figures