众包数据标注质量的改善算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题背景与意义 | 第12-14页 |
| 1.2 相关研究工作 | 第14-18页 |
| 1.2.1 基于EM的改善方法 | 第15-16页 |
| 1.2.2 其他改善方法 | 第16-18页 |
| 1.3 研究内容与贡献 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第二章 相关基础概念与技术 | 第20-36页 |
| 2.1 众包模式 | 第20-27页 |
| 2.1.1 众包应用与众包平台 | 第22-26页 |
| 2.1.2 众包标注与机器学习 | 第26-27页 |
| 2.2 改善众包标注质量的标签真值推断问题 | 第27-35页 |
| 2.2.1 概念定义 | 第28-31页 |
| 2.2.2 Majority Voting算法 | 第31页 |
| 2.2.3 Dawid & Skene算法 | 第31-33页 |
| 2.2.4 Minimax算法 | 第33-34页 |
| 2.2.5 ZenCrowd算法 | 第34-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 基于黄金数据和激励策略的真值推断 | 第36-50页 |
| 3.1 符号定义 | 第36-37页 |
| 3.2 基于黄金数据的ELICE算法 | 第37-40页 |
| 3.3 众包标注者类型 | 第40-41页 |
| 3.4 众包激励机制 | 第41-43页 |
| 3.5 真值推断算法 | 第43-48页 |
| 3.5.1 过滤低质量的标注者 | 第43-44页 |
| 3.5.2 标注者能力评估 | 第44-45页 |
| 3.5.3 改善激励策略和标签真值推断 | 第45-46页 |
| 3.5.4 算法实现 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 基于标注者能力和标注难度的真值推断 | 第50-64页 |
| 4.1 问题描述 | 第50页 |
| 4.2 标注实例难度评估 | 第50-52页 |
| 4.3 建模标注过程 | 第52-55页 |
| 4.3.1 双标签任务标注 | 第53-54页 |
| 4.3.2 多标签任务标注 | 第54-55页 |
| 4.4 真值推断算法 | 第55-63页 |
| 4.4.1 标注结果观测数据Q函数推导 | 第55-59页 |
| 4.4.2 模型求解和真值推断过程 | 第59-62页 |
| 4.4.3 算法实现 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 实验与结果分析 | 第64-78页 |
| 5.1 实验设置 | 第64-67页 |
| 5.1.1 实验工具 | 第64-65页 |
| 5.1.2 数据集介绍 | 第65-67页 |
| 5.1.3 性能指标 | 第67页 |
| 5.2 实验与验证 | 第67-76页 |
| 5.2.1 A&D真值推断方法实验 | 第67-71页 |
| 5.2.2 实验结果分析 | 第71-73页 |
| 5.2.3 G&I真值推断方法实验 | 第73-75页 |
| 5.2.4 实验结果分析 | 第75-76页 |
| 5.3 本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 研究展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间的研究成果 | 第88页 |
