面向众包的正则化极小极大条件熵
机器学习
2015-03-26 v1 机器学习
摘要
众包用于数据标注正受到越来越大的关注。通过众包，通常可以以低成本快速收集大量标签。然而，众包工人提供的标签通常质量不高。本文中，我们提出一种极小极大条件熵原理，从含噪众包标签中推断真实标签。在该原理下，我们推导出一个由工人能力与题目难度联合参数化的独特概率标注模型。我们还提出了一个客观测量原理，并证明我们的方法是唯一满足该客观测量原理的方法。我们通过具有二值、多类或有序标签的多种真实众包数据集验证了我们的方法。
引用
@article{arxiv.1503.07240,
title = {Regularized Minimax Conditional Entropy for Crowdsourcing},
author = {Dengyong Zhou and Qiang Liu and John C. Platt and Christopher Meek and Nihar B. Shah},
journal= {arXiv preprint arXiv:1503.07240},
year = {2015}
}
备注
31 pages