本文提出了一种基于贝叶斯图形模型的技术，用于有效地处理高度冗余注释数据，相比于多数真实推断模型，我们的方法得出了更优质的结果。

Feb, 2019

本文重新讨论了不同裁判所给出的多个等级分析的问题，提出了一种基于 Hierarchical Bayesian 模型的混淆矩阵 (DawidSkene) 的泛化方法，旨在从专家评估中获取诊断信息，并在合成和实际数据集上验证其性能编译

Jun, 2012

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

通过概率建模来推断用户对产品不同方面的偏好并揭示产品内在质量，在实际数据集上展示了该方法的预测能力和学习可解释用户偏好的有效性，进而提高可靠的产品质量评估。

May, 2017

本文提出了一个新的 Bayesian 方法，以实现 Mallows rank 模型的有效计算，并推导出该模型下的共识排序，特别是当考虑到部分排序时，也给出了考虑到评估者个体差异的混合模型，同时在推荐系统中对评估者进行类别预测。

May, 2014

本文提出了一种理论上保证的模型无关均衡方法，该方法可以针对现有的去偏差方法进行应用，以抵抗未观测到的混淆和模型错误，并通过交替校正学习偏差数据的模型参数，以自适应学习平衡系数，充分利用无偏数据。在实际应用中，该方法证明了其有效性。

Apr, 2023

本文提出了一个使用注释器响应的成对共现的框架，并展示了算法的实验结果，该算法在多种情况下优于现有算法。

Sep, 2019

本研究旨在提出两种基于中华餐厅过程 (CRP) 先验概率和分层结构的全新无监督模型，以更好地处理众包数据标注中用户注释的质量问题，并利用 Gibbs 采样的高效推理算法对其进行实验验证。

Jul, 2014

本文提出了一个简单的模型来解决主题不准确的困扰，并通过比较真实数据和合成模拟来证明其价值和优越性。

Apr, 2020

提出了一种新的概率图模型，用于联合建模能力测试和众包设置中的问题难度、参与者能力和正确答案。并基于期望模型熵的贪婪最小化制定了一种主动式学习 / 自适应测试方案，通过根据以前的答案动态选择下一个问题来实现更为有效的资源分配。实验结果表明，我们的模型能够推断所需参数，并证明自适应测试方案需要较少的问题来获得与静态测试场景相同的准确性。

Jun, 2012