Jun, 2023

应用众包技术丰富高等教育音乐知识库

PDF
TL;DR本文描述了在计算机科学高等教育课程中采用众包技术作为作业的方法和经验教训。通过音乐的相关元数据，采用一种支持文化遗产领域众包的平台并使用语义网技术分析了众包结果。结果为机器学习模型提供了一个公开可用的标注数据集，并且在线调查的反馈得出了将众包技术纳入计算机科学课程的好处和挑战。
crowdsourcingcomputer sciencemetadatasemantic web technologiesmachine learning
发现论文，激发创造
  • 众包知识学习：简要综述与系统视角

    本文从数据、模型、学习三个维度，全面回顾了 13 年来 AI 社区在众包学习领域的进展，着重提出了每个维度的一些有前途的蓝图，并探讨了过去研究的经验教训，旨在为新研究者提供指引，鼓励他们做出新的贡献。

    Jun, 2022

  • 计算机视觉中的众包

    本篇论文调查了计算机视觉中使用众包方法进行数据标注的类型，并讨论了一些有效的数据采集界面和工作流设计决策，以及智能选取最重要的数据实例进行注释的策略，最后探讨了众包在计算机视觉领域的未来发展。

    Nov, 2016

  • 众包标注群体真相的经验方法学

    本篇文章提出了使用 CrowdTruth 衡量指标来有效地收集多领域多任务的 ground truth 数据，比传统的投票方式更具优势，并研究了人数增加对标注质量的影响。

    Sep, 2018

  • 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

  • 无标准数据情况下的众包研究 -- 案例分析

    本文研究了在线辅导平台上对话的困扰个体的情绪估计的主观评估任务，探讨了聚合评估者选择的策略，展示了一个简单的投票共识与优化聚合方法在这个任务中同样有效，并设计了一种机器学习算法来执行相同的任务。有趣的是，我们观察到了一个没有明确建模评估者主观性的机器学习算法，在评估最主要的情绪时与人类评估一样可靠。

    Jun, 2019

  • 生物信息学众包

    本文介绍了如何理解和应用不同类型的众包系统，包括协作劳动、有目的性游戏、微任务市场和开放式竞赛，以及这些系统在生物信息学方面的成功案例和指南。

    Feb, 2013

  • 众包数据库的主动学习

    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。

    Sep, 2012

  • CrowdWorkSheets: 基于个人和集体身份的众包数据集注释

    本文调查了围绕众包数据集注释的伦理问题，深入探讨了注解者的背景对其注释的影响以及注解者与众包平台的关系所带来的影响，并提出了一种透明化关键决策点的数据注释框架 ——CrowdWorkSheets。

    Jun, 2022

  • 将结构引入摘要：众包概念图语料库的基准

    本篇研究主要探讨如何利用概念地图来对大型文档集合进行多文档摘要，并提出了通过众包方法创建包含概念地图的语料库，以便评估与进一步研究。

    Apr, 2017

  • 通过众包构建概念层次结构

    本文提出一种基于众包的层次结构构建系统，包括不确定性建模和用信息增益准则选择问题的方法，实验结果表明该系统具有噪声鲁棒性、高效性和高质量的层次结构。

    Apr, 2015