基于自步学习的众包分类数据质量控制模型
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.1.1 众包研究的背景与意义 | 第6-7页 |
| 1.1.2 众包质量控制 | 第7-8页 |
| 1.2 众包质量控制研究现状 | 第8-10页 |
| 1.3 本文组织结构 | 第10-11页 |
| 2 众包质量控制模型概述 | 第11-21页 |
| 2.1 众包质量控制模型 | 第11-12页 |
| 2.2 启发式众包质量控制模型 | 第12-14页 |
| 2.3 基于项目反应模型的质量控制模型 | 第14-16页 |
| 2.3.1 单阶段质量控制模型 | 第14-15页 |
| 2.3.2 多阶段质量控制模型 | 第15-16页 |
| 2.4 基于混淆矩阵的众包质量控制模型 | 第16-19页 |
| 2.4.1 基于混淆矩阵的基础模型 | 第17-18页 |
| 2.4.2 以混淆矩阵为核心的扩展模型 | 第18-19页 |
| 2.5 其他众包质量控制算法 | 第19-21页 |
| 3 基于自步学习的众包分类数据质量控制模型 | 第21-40页 |
| 3.1 众包质量控制问题定义 | 第21-22页 |
| 3.2 GLAD模型 | 第22-28页 |
| 3.2.1 GLAD模型的生成过程 | 第22-23页 |
| 3.2.2 实际众包数据的稀疏性 | 第23-25页 |
| 3.2.3 GLAD模型以及模型的局限性 | 第25-26页 |
| 3.2.4 现有模型的解决方法 | 第26-28页 |
| 3.3 众包质量控制中的自步学习 | 第28-30页 |
| 3.3.1 自步学习简介 | 第28-29页 |
| 3.3.2 众包质量控制中的自步学习 | 第29-30页 |
| 3.4 基于自步学习的改进模型 | 第30-32页 |
| 3.5 参数估计过程 | 第32-35页 |
| 3.6 复杂度分析 | 第35页 |
| 3.7 与图模型的联系 | 第35-38页 |
| 3.8 自步学习模型的扩展 | 第38-40页 |
| 4 实验结果及分析 | 第40-51页 |
| 4.1 对比模型以及评价标准 | 第40-41页 |
| 4.1.1 对比模型 | 第40页 |
| 4.1.2 评测标准 | 第40-41页 |
| 4.2 人工数据集的实验 | 第41-44页 |
| 4.2.1 数据生成以及实验设置 | 第41页 |
| 4.2.2 实验结果及分析 | 第41-44页 |
| 4.3 真实数据集的实验 | 第44-51页 |
| 4.3.1 真实数据集介绍 | 第44-45页 |
| 4.3.2 实验结果及分析 | 第45-48页 |
| 4.3.3 参数选取以及稳定性实验 | 第48-50页 |
| 4.3.4 实验总结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-59页 |
