×
丁、胡;徐金辉

学习高维的真值向量。 （英语） Zbl 1435.68257号

J.计算。系统。科学。 109, 78-94 (2020).
总结：真相发现是数据分析相关领域中出现的一个重要学习问题。它关注的是从从多个不可靠来源获取的数据集中找到最可靠的信息。这个问题已经被广泛研究，并提出了一些技术。然而，它们都是启发式的，没有任何质量保证。在本文中，我们将该问题表述为一个高维几何优化问题，称为基于熵的几何方差依靠一些新颖的几何技术，我们进一步发现了对这个问题的新见解。我们首次表明，真理发现问题可以在保证解质量的情况下得到解决。特别是，在一些合理的假设下，可以在近似线性的时间内实现（（1+epsilon）-近似。我们希望我们的算法将对其他数据相关应用程序有用。

MSC公司：

68T05型 人工智能中的学习和自适应系统
68周25 近似算法

关键词：

真相发现;熵;高维;近似算法
PDF格式BibTeX公司 XML格式引用
\textit{H.Ding}和\textit{J.Xu}，J.Compute。系统。科学。109、78-94（2020年；Zbl 1435.68257）
全文： 内政部

参考文献：

[1] 丁·H。；高杰。；Xu，J.，发现真理发现的全局最优：基于熵的几何方差，（第32届计算几何国际研讨会，第32届国际计算几何研讨会，2016年6月14日至18日，美国马萨诸塞州波士顿（2016）），34:1-34:16·Zbl 1387.68255号
[2] 李，Y。；高杰。；孟，C。；李强。；苏·L。；赵，B。；风扇，W。；Han，J.，《真相发现调查》，ACM SIGKDD Explor。新闻。，17, 2, 1-16 (2016)
[3] 李，H。；赵，B。；Fuxman，A.，《少数群体的智慧：发现并瞄准合适的群体进行众包》（《第23届万维网国际会议论文集》（2014），ACM），165-176
[4] 李强。；李，Y。；高杰。；赵，B。；风扇，W。；Han，J.，《通过真相发现和源可靠性估计解决异构数据中的冲突》，（2014年ACM SIGMOD国际数据管理会议论文集（2014），ACM），1187-1198
[5] 李强。；李，Y。；高杰。；苏·L。；赵，B。；Demirbas，M。；风扇，W。；Han，J.，《长尾数据真相发现的信任感知方法》，Proc。荷兰VLDB。，8, 4, 425-436 (2014)
[6] 帕斯特纳克，J。；Roth，D.，《知道该相信什么（当你已经知道某事时）》，（第23届国际计算语言学会议论文集（2010年），计算语言学协会），877-885
[7] Xiao，H。；高杰。；王，Z。；王，S。；苏·L。；刘浩，《有理论保障的真理发现方法》（KDD（2016）），1925-1934
[8] 尹，X。；韩，J。；Philip，S.Y.，《网上多个冲突信息提供者的真相发现》，IEEE Trans。知识。数据工程，20，6，796-808（2008）
[9] 穆克吉，S。；威库姆，G。；Danescu-Niculescu-Mizil，C.，《药物上的人：健康社区中用户声明的可信度》，（第20届ACM SIGKDD国际知识发现和数据挖掘会议论文集（2014），ACM），65-74
[10] 苏·L。；李强。；胡，S。；王，S。；高杰。；刘，H。；Abdelzaher，T.F。；韩，J。；刘，X。；Gao，Y.，分布式传感系统中的广义决策聚合，（实时系统研讨会（RTSS）（2014），IEEE），1-10
[11] Wang博士。；卡普兰，L。；Abdelzaher，T.F.，《社会感知中冲突观测值的最大似然分析》，ACM Trans。传感器净值。，10, 2, 30 (2014)
[12] 董，X.L。；Berti-Equille，L。；Srivastava，D.，《整合冲突数据：来源依赖的作用》，Proc。荷兰VLDB。，2, 1, 550-561 (2009)
[13] 亚马逊机械土耳其（2017）
[14] Smyth，P。；法耶兹，U.M。；伯尔，M.C。；佩罗纳，P。；Baldi，P.，从金星图像的主观标记推断地面真相，（神经信息处理系统进展（1995）），1085-1092
[15] Zhang，Y。；陈，X。；周，D。；Jordan，M.I.，Spectral methods methods meet em:一种可证明的众包优化算法，J.Mach。学习。研究，17，1，3537-3580（2016）·兹比尔1367.68241
[16] 韦林德，P。；布兰森，S。；佩罗纳，P。；Belongie，S.J.，人群的多维智慧，（神经信息处理系统进展（2010）），2424-2432
[17] 周，D。；巴苏，S。；毛泽东，Y。；Platt，J.C.，通过极大极小熵从人群智慧中学习，（神经信息处理系统进展（2012）），2195-2203
[18] Wang，L。；周振华，众包学习的成本节约效应，（IJCAI（2016）），2111-2117
[19] 怀特希尔，J。；Wu，T.-f。；J.Bergsma。；Movellan，J.R。；Ruvolo，P.L.，《谁的选票更重要：未知专业标签的最佳整合》，（神经信息处理系统进展（2009）），2035-2043年
[20] Shannon，C.E.，《传播数学理论》，Mob。计算。Commun公司。第5、1、3-55版（2001年）
[21] Jain，P。；Netrapalli，P。；Sanghavi，S.，使用交替极小化完成低秩矩阵，（计算理论研讨会。计算理论研讨会，STOC'13，美国加利福尼亚州帕洛阿尔托，2013年6月1-4日（2013）），665-674·Zbl 1293.65073号
[22] Hardt，M.，《理解矩阵补全的交替最小化》，（第55届IEEE计算机科学基础年度研讨会，第55届EEE计算机科学基础年会，2014年FOCS，美国宾夕法尼亚州费城，2014年10月18-21日（2014）），651-660
[23] Jain，P。；Tewari，A.，向量值输出回归问题的交替最小化，（神经信息处理系统进展28：2015年神经信息处理体系年会）。神经信息处理系统进展28：2015年12月7日至12日，加拿大魁北克省蒙特利尔（2015年），1126-1134
[24] Gupta，M.R。；Chen，Y.，EM算法的理论和应用，Found。趋势信号处理。，4, 3, 223-296 (2010) ·兹比尔1294.62137
[25] Indyk，P。；Motwani，R。；Venkatasubramanian，S.，噪声下的几何匹配：组合边界和算法，（SODA（1999）），457-465·Zbl 0934.68108号
[26] 丁·H。；Xu，J.，无局部性的约束数据聚类统一框架，（第二十六届ACM-SIAM离散算法年会论文集，第二十六届离散算法年会刊论文集，SODA’15（2015），工业和应用数学学会：美国宾夕法尼亚州费城，1471-1490·Zbl 1371.68291号
[27] 库马尔，A。；萨巴沃尔，Y。；Sen，S.，《任何维聚类问题的线性时间近似方案》，J.ACM，57，2，5（2010）·Zbl 1327.68334号
[28] M.稻田。；北卡罗来纳州加藤市。；Imai，H.，加权Voronoi图和随机化在基于方差的k聚类中的应用，（第十届计算几何年会论文集（1994），ACM），332-339
[29] Guha，S。；McGregor，A。；Venkatasubramanian，S.，熵和信息距离的次线性估计，ACM Trans。算法，5，4，35（2009）·Zbl 1298.68114号
[30] 约翰逊，W.B。；Lindenstrauss，J.，Lipschitz映射到Hilbert空间的扩展，Contemp。数学。，26, 189-206, 1 (1984) ·Zbl 0539.46017号
[31] Achlioptas，D.，《数据库友好随机投影：Johnson-Lindenstraus与二进制硬币》，J.Compute。系统。科学。，66, 4, 671-687 (2003) ·Zbl 1054.68040号
[32] 自由，E。；Zucker，S.W.，《Mailman算法：矩阵-向量乘法注释》，Inf.Process。莱特。，109, 3, 179-182 (2009) ·Zbl 1191.68832号
[33] 黄，Z。；丁·H。；Xu，J.，通过覆盖范围发现真相的更快算法，（算法和数据结构-第15届国际研讨会。算法和数据架构-第15次国际研讨会，2017年WADS，加拿大NL圣约翰，2017年7月31日至8月2日，会议记录（2017）），461-472·Zbl 1430.68280号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。