基于前景理论的众包分类方法及其在存在垃圾回答者时的应用

我们考虑通过众包解决$M$元分类问题，其中众包工人回答简单的二元问题，并通过决策融合汇总答案。当工人缺乏专业知识或正确回答该问题的置信度较低时，他们可以选择拒绝回答以跳过该问题。我们进一步考虑人群中存在垃圾回答者，他们以随机猜测的方式回答问题。在鼓励拒绝选项的支付机制下，我们研究诚实工人和垃圾回答者的行为，其目标均为最大化其金钱奖励。为准确刻画人类行为特征，我们采用前景理论对众包工人的理性进行建模，其对成本和概率的感知分别基于某些价值函数和权重函数发生扭曲。此外，我们估计垃圾回答者数量，并采用加权多数投票决策规则，为每位工人分配最优权重以最大化系统性能。我们推导了正确分类的概率及渐近系统性能，并提供仿真结果以证明方法的有效性。