利用潜在因子模型的子群结构的众包
统计方法学
2023-09-28 v1
摘要
众包已成为收集大规模标签的替代解决方案。然而，大多数招募的工人并非领域专家，因此他们贡献的标签可能存在噪声。在本文中，我们提出了一种两阶段模型来预测众包中多分类任务的真实标签。在第一阶段，我们用潜在因子模型拟合观察到的标签，并通过多质心分组惩罚为任务和工人引入子群结构。引入特定组的旋转以使工人与不同任务类别对齐，从而解决多类别众包任务。在第二阶段，我们提出了一种基于一致性的方法来识别高质量工人子群，依靠他们为任务分配标签。在理论上，我们证明了潜在因子的估计一致性和所提方法的预测一致性。模拟研究表明，在假设任务和工人内部存在子群结构的情况下，所提方法优于现有的竞争方法。我们还展示了所提方法在现实问题中的应用，并显示了其优越性。
引用
@article{arxiv.2302.02304,
title = {Crowdsourcing Utilizing Subgroup Structure of Latent Factor Modeling},
author = {Qi Xu and Yubai Yuan and Junhui Wang and Annie Qu},
journal= {arXiv preprint arXiv:2302.02304},
year = {2023}
}