通过自适应选择比较进行众包特征发现
机器学习
2015-04-02 v1 机器学习
摘要
我们引入了一种无监督方法，通过众包高效地发现数据集中的潜在特征。我们的查询要求众包成员阐明三个显示示例中两个共有的特征。此外，我们还要求众包根据发现的特征为剩余示例提供二元标签。三元组是根据数据集中先前发现特征的标签自适应选择的。在两种自然的特征模型（层次结构和独立结构）中，我们表明，一种使用“三选二”相似性查询的简单自适应算法，能够以比任何非自适应算法更少的工作量恢复所有特征。实验结果验证了理论发现。
引用
@article{arxiv.1504.00064,
title = {Crowdsourcing Feature Discovery via Adaptively Chosen Comparisons},
author = {James Y. Zou and Kamalika Chaudhuri and Adam Tauman Kalai},
journal= {arXiv preprint arXiv:1504.00064},
year = {2015}
}