用于众包偏好聚合的简约混合效应 HodgeRank

在众包偏好聚合中，通常假设所有标注者都服从一个共同的偏好或效用函数，该函数生成了他们在实验中的比较行为。然而，现实中标注者由于多准则、异常行为或此类行为的混合而存在差异。本文提出了一种基于 HodgeRank 的简约混合效应模型，该模型既考虑了多数标注者遵循共同线性效用模型的固定效应，也考虑了少部分标注者可能显著偏离共同模型并表现出强烈个性化偏好的随机效应。HodgeRank 已成功应用于多媒体主观质量评估，并将成对众包排序数据分解为全局共识排序与利益循环冲突。作为扩展，本文提出的方法通过随机效应进一步探索了标注者特定差异中的利益冲突。本文的关键算法基于新开发的带逆尺度空间的线性化 Bregman 算法，建立了一条从共同效用到个体差异的动态路径，并在不同层次上实现了个性化简约或稀疏。最后，通过模拟示例和三个真实众包数据集的实验验证了该方法的有效性，结果表明，由于其简约特性，本文提出的方法相比 HodgeRank 表现出更好的性能（即更小的测试误差）。