在线众包
机器学习
2019-02-11 v2
摘要
随着 Amazon Mechanical Turk 等现代互联网平台的兴起，从非专家处收集大量人工标注样本已变得平常。基于期望最大化(Expectation-Maximization)更新的 Dawid-Skene 算法已被广泛用于从含噪声的众包标签中推断真实标签。然而，Dawid-Skene 方案需要所有数据来执行每次 EM 迭代，对于流式数据或大规模数据可能不可行。本文提供了 Dawid-Skene 算法的在线版本，每次迭代仅需一个数据帧。此外，我们证明在温和条件下，带投影的在线 Dawid-Skene 方案收敛到观测数据边际对数似然的驻点。我们的实验表明，与其他基于 Dawid-Skene 方案的方法相比，在线 Dawid-Skene 方案达到了最先进(SOTA)性能。
引用
@article{arxiv.1512.02393,
title = {Online Crowdsourcing},
author = {Changbo Zhu and Huan Xu and Shuicheng Yan},
journal= {arXiv preprint arXiv:1512.02393},
year = {2019}
}
备注
novelty not enough