眾包中的機(jī)器學(xué)習(xí)問題研究.pdf

1、眾包是一種分布式的問題解決模式。問題發(fā)布者將問題以公開招標(biāo)的方式傳播給未知的解決方案提供者群體。監(jiān)督機(jī)器學(xué)習(xí)需要大量的人工標(biāo)注數(shù)據(jù)。眾包的發(fā)展為獲取人工標(biāo)注數(shù)據(jù)提供了一個(gè)新的方法。眾包獲取人工標(biāo)注數(shù)據(jù)具有廉價(jià)、快速、規(guī)模大和方便控制等優(yōu)點(diǎn)。因此得到了機(jī)器學(xué)習(xí)研究人員的廣泛關(guān)注。眾包標(biāo)注數(shù)據(jù)雖然很方便,但是質(zhì)量會(huì)有問題。現(xiàn)在很多研究人員提出用重復(fù)標(biāo)注的方式產(chǎn)生冗余的標(biāo)注數(shù)據(jù),在這個(gè)數(shù)據(jù)上用機(jī)器學(xué)習(xí)算法來過濾噪聲或者是估計(jì)更可靠的標(biāo)簽。

2、r>　　本文研究關(guān)于眾包的二個(gè)方面的問題。第一個(gè)是標(biāo)簽質(zhì)量控制問題?？紤]到標(biāo)注者之間的能力差異、標(biāo)注的樣本數(shù)據(jù)之間的難易程度這兩個(gè)因素,多數(shù)投票方法有很大的改進(jìn)空間。本文提出魯棒個(gè)人分類器算法,在個(gè)人分類器的基礎(chǔ)上,能夠從特征和標(biāo)簽數(shù)據(jù)中學(xué)習(xí)標(biāo)注者的能力和分類器模型。第二個(gè)是標(biāo)簽矩陣補(bǔ)全問題。在現(xiàn)實(shí)情況下,每個(gè)標(biāo)注者只能標(biāo)注部分?jǐn)?shù)據(jù)樣本,每個(gè)數(shù)據(jù)樣本只得到部分標(biāo)注者的標(biāo)簽。將眾包標(biāo)注者給出標(biāo)簽的過程類比看電影的用戶給電影評(píng)分,我們提出用