面向众包学习的候选标注

众包在机器学习界已非常流行，作为一种获取标注的方式，它使得能够针对给定数据集估计真实标签。在使用众包标注的大多数方法中，标注者被要求对每个呈现的实例提供单个类别标签。这样的请求可能效率低下，即考虑到标注者可能并非专家，这种处理方式可能无法真正利用标注者的知识。本文提出将候选标注用于众包学习，其中标注者可为每个实例提供不止一个标签，以尽量避免遗漏真实标签。主要假设是，通过允许候选标注，能够比标准众包学习场景更高效地从标注者中提取知识。本文给出了支持该假设的实证证据。