贝叶斯非参数众包
机器学习
2014-07-21 v1 应用统计
摘要
众包已被证明是标注大型数据集的有效且高效的工具。用户标注通常带有噪声，因此需要将标注组合起来以产生可靠的真实标签估计的方法。我们声称，在组合步骤中考虑用户聚类的存在可以提高性能。这在众包实施的早期阶段尤其重要，此时标注数量较少。在这个阶段，没有足够的信息来准确估计每个标注者的偏差，因此我们必须采用考虑它们之间统计联系的模型。此外，发现这些聚类本身也很有趣，因为了解标注者群体的行为可以实现有效的主动学习策略。基于此，我们在本文中提出了两种新的完全无监督模型，基于中国餐馆过程(CRP)先验和层次结构，允许联合推断这些组以及真实标签和用户属性。提出了基于辅助变量吉布斯采样的高效推理算法。最后，我们在合成和真实数据库上进行了实验，以展示我们的模型相对于最先进算法的优势。
引用
@article{arxiv.1407.5017,
title = {Bayesian Nonparametric Crowdsourcing},
author = {Pablo G. Moreno and Yee Whye Teh and Fernando Perez-Cruz and Antonio Artés-Rodríguez},
journal= {arXiv preprint arXiv:1407.5017},
year = {2014}
}