Correction du bruit d'étiquetage pour le crowdsourcing utilisant le rééchantillonnage dynamique

Le crowdsourcing fournit une solution d'étiquetage rentable pour l'acquisition d'échantillons d'entraînement étiquetés pour l'apprentissage automatique en employant des travailleurs sur Internet. Une approche courante pour améliorer la qualité des étiquettes est d'employer une méthode d'inférence de vérité pour déduire des étiquettes intégrées pour des échantillons à partir de leurs multiples étiquettes bruyantes obtenues auprès de différents travailleurs de la foule. Bien que la qualité des étiquettes intégrées soit considérablement améliorée par rapport à celle des étiquettes bruyantes originales, elle ne peut toujours pas éliminer complètement les bruits inévitables présents dans les étiquettes intégrées. Pour améliorer davantage la qualité des étiquettes, cet article propose une nouvelle méthode de correction du bruit d'étiquetage pour le crowdsourcing basée sur le rééchantillonnage dynamique (DRNC). Le DRNC divise d'abord le jeu de données avec des étiquettes déduites en un ensemble propre et un ensemble bruyant à l'aide d'un filtre. Selon une certaine proportion, l'ensemble propre et l'ensemble bruyant sont rééchantillonnés pour entraîner plusieurs classificateurs hétérogènes, qui forment un classificateur d'ensemble. Ensuite, le jeu de données est divisé par le classificateur d'ensemble en un nouvel ensemble sous-bruyant et un sous-ensemble propre. L'ensemble du processus se répète plusieurs fois, générant plusieurs sous-ensembles propres. Enfin, ces sous-ensembles propres sont utilisés pour entraîner des classificateurs, qui corrigent conjointement les étiquettes incorrectes dans le jeu de données par vote. Les résultats expérimentaux sur 25 ensembles de données simulés et 4 ensembles de données du monde réel montrent de manière cohérente que le DRNC proposé améliore en moyenne la qualité des étiquettes ainsi que la qualité des modèles appris dans une plage de 1 à 10 points de pourcentage, comparé à quatre méthodes de correction du bruit de crowdsourcing à la pointe de la technologie.