Oct, 2011

可靠众包系统的预算最优任务分配

PDF
TL;DR本文考虑众包任务分配中的可靠性问题，提出了一种基于置信传播和低秩矩阵逼近的算法来决定如何分配任务，并从工人的答案中推断出正确答案。比较了不同算法的表现，发现基于者非自适应的算法是最优的。此外，还强调了建立可靠的工人信誉系统对于完全运用自适应设计的潜力至关重要。
crowdsourcingtask assignmentreliabilitybelief propagationworker-reputation system
发现论文，激发创造
  • 众包场景下的动态任务分配

    本文提出一种基于互信息解释的众包问题优化任务分配的方法，通过动态任务分配实现更高的准确度和可能需要更少的标签，从而提高了任务分配的效果。

    Jan, 2017

  • 通过自适应方案在众包中实现预算最优

    该研究探讨了如何在固定预算下最大化标注数据的精确度，比较自适应任务分配与非自适应任务分配之间的优劣，并使用概率模型来解决这个问题。

    Feb, 2016

  • 众包市场中异构任务的在线分配

    研究如何在固定预算内通过在线算法在众包市场中进行任务分配，探讨了实现任务分配的几种算法及评估方案，并通过实验验证了算法的实用性。

    Aug, 2015

  • 一种可证明改进的众包算法，适用于难和易任务

    本文提出了一种基于谱方法的标签聚类算法，从而在众包任务中提高 Dawid-Skene 模型推理个体正确标签的准确度。

    Feb, 2023

  • 廉价而更好：众包选择好工作者

    本文研究如何在预算限制下，选择优质工人子集以达到最大准确性，并通过组合优化算法解决此问题，证明该算法能够有效地选择少数高质量工人，并在模拟和实际数据集上表现良好。

    Feb, 2015

  • 带有优先限制的专业任务高效灵活的众包

    本文研究了众包系统的性能极限，并提出了有效的分配方案来满足附加要求，包括专业化工作、效率、任务分配和性能限制。在一个由非营利公司运行的众包平台的数据上进行了算法演示，并展示了与当前实践相比的显著改进。

    Jan, 2016

  • 众包分类任务工人分配的主动学习效率

    本文针对众包分类任务中工人分配问题，结合理论分析和实验模拟，比较了两种主动学习策略和均匀分配策略的性能，并推导了一个新的性能边界。实验结果表明理论结果在实践中得到了验证。

    Oct, 2016

  • 标记众包中预算 - 保真度权衡的基本限制

    通过信息论速率失真框架对人在循环计算问题进行建模和分析，以确定通过任何形式的查询和任何解码算法的结果和给定预算所能达到的最终保真度。此外，该论文还介绍并分析了一种查询方案，称为 $k$ -ary incidence coding，并研究了该场景下的查询定价。

    Aug, 2016

  • 一种极小极大算法用于群体外包

    本文提出一种名为 Triangular Estimation（TE）的算法用于估计众包工作者的可靠性，并得出了一个新的下限，该下限适用于任何估计程序。通过对合成和现实数据集的性能评估，证明 TE 的最小最大近似误差具有优越性。

    Jun, 2016

  • 使用众包技术的容错实体关系解析

    本文章研究了如何通过鲁棒数据解释和任务分配等策略来最大化实体解析的结果质量和信息利用，从而在保证准确性的同时，最小化任务请求者的成本。

    Dec, 2015