清华大学学报(自然科学版)

作者：张桦, 沈菲, 蒋世豪, 张灵均, 徐宏

单位：1. 杭州电子科技大学 计算机学院, 杭州 310018;<br>2. 浙江大学 浙江省网络多媒体技术研究重点实验室, 杭州 310058;<br>3. 浙江省脑机协同智能重点实验室, 杭州 310018

关键词：众包,特征,元学习,分类

基金：国家重点研发计划项目（2017YFE0118200）；浙江省重点研发计划项目（2019C01124）；国家自然科学基金青年科学基金项目（61802094）\r\n

为了提高众包的质量并获取高质量的标注数据，已有许多基于真值推理的众包标注方法被提出。传统真值推理利用多噪声标签作为输入，通过聚合策略推断出真实标签，该过程只考虑了实例的标签而忽略了实例的特征，且忽略了不同工人对不同实例的标注质量。该文引入实例的特征以最大程度地挖掘实例中蕴含的有用信息。通过计算众包实例属于每一个类别的概率，得到新划分的众包数据集；提出一种基于元学习的集成分类器，在新数据集上训练并利用相似度计算得到工人权重，即工人对不同的实例有不同的标注能力；在投票模型的基础上引入工人权重，提出加权软投票的方法用于推测标签。在公开数据集和创建的数据集上的实验结果表明，所提出的方法优于现有的真值推理算法。

来源：2022年第2期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2022年第2期