自适应 Crowdsourcing 算法用于 Bandit Survey 问题
通过动态调整每轮任务的权重以及采用组合多臂赌博机框架和置信上界方法,本研究提出了一种增强任务多样性、适应任务完成质量差异和有效处理工作者招募预算约束的移动众感知模型,并通过真实数据的模拟和后悔分析证明其有效性。
Dec, 2023
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。
Oct, 2011
该研究介绍了一种众包自适应调查方法(CSAS),结合自然语言处理和自适应算法的进展,生成随用户输入而演变的问题库。该方法将参与者提供的开放性文本转换为李克特式项目,并应用多臂赌博机算法来确定应优先考虑的用户提供的问题。这种自适应方法允许探讨新的调查问题,同时在调查长度方面成本最小化。在拉丁裔信息环境和问题重要性领域的应用展示了 CSAS 识别可能难以通过标准方法追踪的主张或问题的能力。最后讨论了该方法在研究参与者生成内容可能提高我们理解公众意见的主题方面的潜力。
Jan, 2024
通过采用基于赌博机的学习技术来自动选择搜索启发式方法,我们的方法在线学习和选择一组搜索启发式方法,旨在获得具有健壮性和比原先性能更好的自适应搜索启发式方法。初步实验表明,自适应技术比原始搜索启发式方法更为健壮且性能更好。
May, 2018
本文介绍了众包质量控制中机制设计和统计模型两大分支的研究和应用,提出了系统化统一机制以确定响应质量的框架,并对质量控制论文进行了分类,并指出了当前的限制和未来的方向。
Dec, 2018
介绍一种基于自适应聚类探索 - 利用 (“赌徒”) 策略的内容推荐算法,提供标准随机噪声环境下的尖锐遗憾分析,证明其伸缩性属性并在一些人工和实际数据集上证明其有效性。实验结果显示,在赌徒问题上,预测性能显著优于现有技术方法。
Jan, 2014