VLDB-2020 论文简析:检测和预防众包数据中的混淆标签-Detecting and Preventing Confused Labels in Crowdsourced Data

本文主要是介绍VLDB-2020 论文简析:检测和预防众包数据中的混淆标签-Detecting and Preventing Confused Labels in Crowdsourced Data,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

VLDB2020论文简析:检测和预防众包数据中的混淆标签-Detecting and Preventing Confused Labels in Crowdsourced Data

    • 研究背景
    • 研究目标
    • 问题挑战
    • 作者贡献
    • 总体模型
    • 1 真值发现器的生成模型
    • 2 检测混淆观测的推理算法(MCMC-C)
    • 3 基于MV的贪婪算法
    • 数据集
    • 实验分析
    • 困惑/思考

研究背景

  • 如今,众包通常用于解决类似AI相关的问题,例如对象分类以及为机器学习(ML)算法生成带标签的训练数据。
  • 因为观察的混淆,或者是因为两个对象是相似的,或者因为任务描述解释的差异,众包工作者可能将i类的对象与j类的对象混淆,导致众包工作者标记的数据可能且通常会带有偏差或噪声。
    例如:如下图所示,摩纳哥国旗、波兰国旗和印度尼西亚国旗,红薯和山药,演员Rami Said Malek和皇后乐队主唱Freddie Mercury,通常是因为它们是相似的,导致在众包任务中工作人员出现观察混淆,从而辨别错误。
    在这里插入图片描述
    正如上述例子展示的那样,即使整体工作人员的准确性都非常高,但这些错误在不被注意的情况下,也很可能出现混淆,因为这不是一个全面的问题,只针对某些类。如果不被发现和未纠正,这导致一些类的标签总是错误的。

研究目标

  • (从任务设计者的角度)在标识给出类标签并清晰的地方识别任务标签中的混淆。例如:在用旗帜或食物或著名演员的名字来标记图片的任务中识别混淆。
  • 在众包过程的早期发现混乱(即在少数投票之后),这样就可以尽早提醒任务设计者并改进任务;
  • 能够处理众包标签,以检测和纠正混淆标签。

问题挑战

针对上述情况,对象分类任务中混淆错误的真值发现问题的解决具有以下困难挑战:

  • ① 一个能检测混淆错误的真值发现模型
    需要扩展现有的真值发现模型,使其能够对可能的混淆错误进行建模和推理,但是没有任何现有真相发现模型的解决方案能够做到这一点。
  • ② 需要指定源和对象之间的所有概率依赖关系
  • ③ 计算上的时间、空间复杂度考虑
    为了检测和考虑混淆错误,需要测试所有可能的混淆,并查看其中哪些可能存在混淆。这是一个计算上昂贵的操作,它需要搜索指数数量的状态可能性(Nc个可能的混淆观察有2^Nc个状态)。
  • ④ 研究针对的是在一组可能被混淆的类中的情况。
    必须从数据中学习模型参数的数量和类型并且能够在工人、物品和标签的数量上进行缩放,才能有效地做到这一点。

作者贡献

  • 问题建模为一个分类任务,并引入了“聚类”( 生成的聚类就是假设的互相混淆的对象组)的概念,通过显式建模混淆来扩展这个基本模型。然后

这篇关于VLDB-2020 论文简析:检测和预防众包数据中的混淆标签-Detecting and Preventing Confused Labels in Crowdsourced Data的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/358951

相关文章

HTML5中下拉框<select>标签的属性和样式详解

《HTML5中下拉框<select>标签的属性和样式详解》在HTML5中,下拉框(select标签)作为表单的重要组成部分,为用户提供了一个从预定义选项中选择值的方式,本文将深入探讨select标签的... 在html5中,下拉框(<select>标签)作为表单的重要组成部分,为用户提供了一个从预定义选项中

Rust中的BoxT之堆上的数据与递归类型详解

《Rust中的BoxT之堆上的数据与递归类型详解》本文介绍了Rust中的BoxT类型,包括其在堆与栈之间的内存分配,性能优势,以及如何利用BoxT来实现递归类型和处理大小未知类型,通过BoxT,Rus... 目录1. Box<T> 的基础知识1.1 堆与栈的分工1.2 性能优势2.1 递归类型的问题2.2

Python使用Pandas对比两列数据取最大值的五种方法

《Python使用Pandas对比两列数据取最大值的五种方法》本文主要介绍使用Pandas对比两列数据取最大值的五种方法,包括使用max方法、apply方法结合lambda函数、函数、clip方法、w... 目录引言一、使用max方法二、使用apply方法结合lambda函数三、使用np.maximum函数

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

Redis的数据过期策略和数据淘汰策略

《Redis的数据过期策略和数据淘汰策略》本文主要介绍了Redis的数据过期策略和数据淘汰策略,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录一、数据过期策略1、惰性删除2、定期删除二、数据淘汰策略1、数据淘汰策略概念2、8种数据淘汰策略

轻松上手MYSQL之JSON函数实现高效数据查询与操作

《轻松上手MYSQL之JSON函数实现高效数据查询与操作》:本文主要介绍轻松上手MYSQL之JSON函数实现高效数据查询与操作的相关资料,MySQL提供了多个JSON函数,用于处理和查询JSON数... 目录一、jsON_EXTRACT 提取指定数据二、JSON_UNQUOTE 取消双引号三、JSON_KE

Python给Excel写入数据的四种方法小结

《Python给Excel写入数据的四种方法小结》本文主要介绍了Python给Excel写入数据的四种方法小结,包含openpyxl库、xlsxwriter库、pandas库和win32com库,具有... 目录1. 使用 openpyxl 库2. 使用 xlsxwriter 库3. 使用 pandas 库

SpringBoot定制JSON响应数据的实现

《SpringBoot定制JSON响应数据的实现》本文主要介绍了SpringBoot定制JSON响应数据的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们... 目录前言一、如何使用@jsonView这个注解?二、应用场景三、实战案例注解方式编程方式总结 前言

使用Python在Excel中创建和取消数据分组

《使用Python在Excel中创建和取消数据分组》Excel中的分组是一种通过添加层级结构将相邻行或列组织在一起的功能,当分组完成后,用户可以通过折叠或展开数据组来简化数据视图,这篇博客将介绍如何使... 目录引言使用工具python在Excel中创建行和列分组Python在Excel中创建嵌套分组Pyt

在Rust中要用Struct和Enum组织数据的原因解析

《在Rust中要用Struct和Enum组织数据的原因解析》在Rust中,Struct和Enum是组织数据的核心工具,Struct用于将相关字段封装为单一实体,便于管理和扩展,Enum用于明确定义所有... 目录为什么在Rust中要用Struct和Enum组织数据?一、使用struct组织数据:将相关字段绑