基于多源迁移学习的开放集众包
人机交互
2021-11-09 v1 机器学习
机器学习
摘要
我们提出并定义了一种新的众包场景——开放集众包，其中我们仅知道不熟悉众包项目的总体主题，而不知道其标签空间，即可能标签的集合。这仍是一个标注任务问题，但对任务和标签空间的不熟悉妨碍了对任务与工人的建模以及真值推断。我们提出了一种直观的解决方案OSCrowd。首先，OSCrowd将众包主题相关数据集整合为一个大源域，以促进部分迁移学习来近似这些任务的标签空间推断。接着，它基于类别相关性为每个源域分配权重。此后，它使用多源开放集迁移学习来建模众包任务并指派可能标注。迁移学习给出的标签空间与标注将用于指导和规范众包工人的标注。我们在在线场景中验证了OSCrowd，并证明OSCrowd解决了开放集众包问题，且优于相关众包方案。
引用
@article{arxiv.2111.04073,
title = {Open-Set Crowdsourcing using Multiple-Source Transfer Learning},
author = {Guangyang Han and Guoxian Yu and Lei Liu and Lizhen Cui and Carlotta Domeniconi and Xiangliang Zhang},
journal= {arXiv preprint arXiv:2111.04073},
year = {2021}
}
备注
8 pages, 1 figures