面向全局与时间序列标注的联合多维模型

众包是一种为未标注数据实例收集标注的流行方法。它涉及为每个数据实例从若干通常未经训练的外行标注者处收集大量标注，随后将其合并以估计真值。此外，诸如情感等构念的标注往往是多维的，标注者对每个实例评定多个维度，如效价与唤醒度。然而，大多数标注融合方案忽略此方面并单独建模每个维度。本工作中，我们通过提出一个多维标注融合的生成模型来解决此问题，该模型联合建模各维度，从而获得更精确的真值估计。我们提出的模型适用于全局与时间序列标注融合问题，并将真值视为被标注者扭曲的潜变量。模型参数利用期望最大化算法估计，我们使用合成数据与真实情感语料库以及带有人工标注的人工任务评估了其性能。