众包数据库的主动学习

Sep, 2012

Active Learning for Crowd-Sourced Databases

Barzan Mozafari, Purnamrita Sarkar, Michael J. Franklin, Michael I. Jordan, Samuel Madden

TL;DR本研究提出一种将机器学习与众包数据库结合的主动学习算法，以实现众包应用程序的可扩展性，并通过实验证明：相比于以往的主动学习方案，我们的方法平均只需要人类标记 1-2 个数量级的数据集就能实现与随机采样相同的精度。

Abstract

crowd-sourcing has become a popular means of acquiring labeled data for a wide variety of tasks where humans are more accurate than computers, e.g., labeling images, matching objects, or analyzing sentiment. However, relying solely on the crowd is often impractical even for data sets w

crowd-sourcing machine learning active learning human computation scalability

发现论文，激发创造

将众包和主动学习相结合，从推文中分类工作生活事件

本研究针对社交媒体研究中标注过程耗时，使用了基于活跃学习和众包方法的策略，评估了 4 种不同的活跃学习策略对于自动分类的影响，结果表明众包可以有效提高标注的质量，而活跃学习则有助于减少所需的推文数量。

Mar, 2020

众包深度学习

本文提出了一种基于 EM 算法和众包技术的神经网络训练模型，能够直接从多个标注者的嘈杂标签数据中进行有监督学习，并能够捕捉不同标注者的可靠性和偏见，最终在多个领域获得了新的最优结果。

Sep, 2017

来自 Web 的主动学习

本文提出了一种使用网络上未标注的数据作为用于 Pool-based active learning 的数据池的方法，并使用 Seafaring 算法检索信息，证明此方法比使用少量未标注池的现有方法表现更好。

Oct, 2022

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

带有约束条件的贝叶斯众包

本文探讨半监督众包分类在标签约束和实例约束两种情况下的贝叶斯算法，该算法基于变分推断，可以比无监督众包分类更有效地对人工注释信息进行聚合，该算法在多个众包数据集上的分析和实证验证了其表现的可量化提升。

Dec, 2020

计算高效的主动学习

通过简单而有效的方法不仅可以降低主动学习过程的计算成本，还能保持模型性能，从而优化大规模数据集的标注效率。

Jan, 2024

正类和未标注数据中的主动学习

提出了一种能够在只有单类样本和无标签数据的情况下运作的主动学习算法，该方法通过分别估计正样本和未标记点的概率密度，计算信息性的期望值以获取更好的信息性度量。与其他类似方法相比，实验和经验分析结果表现出有前途的结果。

Feb, 2016

利用众包数据进行深度主动学习 – 应用于 Alexa 意图学习

提出了一种使用贝叶斯框架的深度学习模型来主动从定向众包中学习的方法，该方法可以利用低秩结构来学习每个注释者的知识水平，并利用深度学习模型的不确定性和注释者的知识水平来最小化所需的注释和注释者数量。实验表明，与现有技术相比，该框架可以准确地学习注释者的知识水平、推断真实标签，并在模型训练中有效地减少注释数量。

Mar, 2018

关于模拟主动学习的限制

通过模拟现有标记的数据集作为未标记的数据池，探索了主动学习算法的评估与验证过程中存在的挑战及被忽略的因素对研究结果的影响，提出在实际数据中测试的方法可能提供更加真实的算法效果下限，同时呼吁定义主动学习最佳实践。

May, 2023

公平主动学习

本文提出了一种基于公平主义的主动学习算法，旨在平衡机器学习模型的准确性和公平性，并在多个基准数据集上验证了其有效性和效率。

Jan, 2020