使用Chao估计量作为技术辅助评审的停止准则
信息检索
2024-04-02 v1
摘要
技术辅助评审（TAR）旨在减少筛选过程（例如系统文献综述的摘要筛选）所需的人力。在此过程中，人类评审员将文档标记为相关或不相关，而系统则根据评审员先前的决策增量更新预测模型。每次模型更新后，系统会提出其认为相关的新文档，以优先处理相关文档而非不相关文档。需要一个停止准则来指导用户停止评审过程，以最小化遗漏的相关文档数量和已阅读的不相关文档数量。在本文中，我们提出并评估了一种新的基于集成的主动学习策略以及一个基于Chao种群大小估计量的停止准则，该估计量用于估计数据集中相关文档的普遍率。我们的模拟研究表明，该准则在多个数据集上表现良好，并与文献中提出的其他方法进行了比较。
引用
@article{arxiv.2404.01176,
title = {Using Chao's Estimator as a Stopping Criterion for Technology-Assisted Review},
author = {Michiel P. Bron and Peter G. M. van der Heijden and Ad J. Feelders and Arno P. J. M. Siebes},
journal= {arXiv preprint arXiv:2404.01176},
year = {2024}
}