贝叶斯非参数众包
巴勃罗·莫雷诺（Pablo G.Moreno）、安东尼奥·阿泰斯·罗德里格斯（Antonio Artes-Rodriguez）、叶维德（Yee Whye Teh）、弗恩（Fern）、奥佩雷斯-克鲁兹（o Perez-Cruz）; 16(48):1607−1627, 2015.
摘要
众包已被证明是注释大型数据集的有效工具。用户注释通常是有噪声的，因此有必要使用方法来组合注释以生成对地面真实情况的可靠估计。我们声称，在这个组合步骤中考虑用户集群的存在可以提高性能。这在众包实施的早期阶段尤其重要，因为在早期阶段，注释的数量很少。在这个阶段，没有足够的信息来准确估计每个注释器分别引入的偏差，因此我们不得不求助于考虑它们之间统计联系的模型。此外，发现这些集群本身也很有趣，因为了解注释器池的行为可以实现有效的主动学习策略。基于此，我们在本文中提出了两个新的完全无监督模型，基于中餐厅流程（CRP）先验和允许结合基本事实和用户属性推断这些群体的层次结构。提出了基于辅助变量吉布斯抽样的高效推理算法。最后，我们在合成数据库和真实数据库上进行了实验，以展示我们的模型相对于最先进算法的优势。
[腹肌]
[pdf格式][围兜]
