考虑偏差削减的成对比较聚合
机器学习
2019-06-11 v1 机器学习
摘要
我们研究从众包成对比较中进行排序的问题。已知成对任务的答案会受到屏幕上条目位置的影响，然而，先前的成对比较聚合模型并未着重对这类偏差进行建模。我们引入一种新的成对比较聚合模型 factorBT，其考虑了成对任务的某些已知与比较结果无关但可能因感知原因影响工人回答的因素。通过对影响工人的偏差进行建模，factorBT 能够降低有偏成对比较对所得排序的影响。我们在真实数据集上的实证研究表明，factorBT 比先前已建立的模型能从众包成对比较中产生更精确的排序。
引用
@article{arxiv.1906.03711,
title = {Aggregation of pairwise comparisons with reduction of biases},
author = {Nadezhda Bugakova and Valentina Fedorova and Gleb Gusev and Alexey Drutsa},
journal= {arXiv preprint arXiv:1906.03711},
year = {2019}
}
备注
presented at 2019 ICML Workshop on Human in the Loop Learning (HILL 2019), Long Beach, USA