Key points are not available for this paper at this time.
온라인 크라우드소싱 플랫폼을 통해 비전문가로부터 상대적으로 낮은 비용으로 라벨을 획득할 수 있습니다. 이러한 불완전한 크라우드소싱 작업자로부터 얻은 라벨의 품질을 향상시키기 위해 서로 다른 작업자들이 동일한 인스턴스에 대해 라벨을 제공하도록 합니다. 그런 다음, 이러한 여러 개의 노이즈 라벨로부터 모든 인스턴스의 진정한 라벨을 추정합니다. 수집된 노이즈 라벨에만 의존하는 이 전통적인 일반 목적의 라벨 집계 과정은 낮은 라벨링 품질 상황에서 통합 라벨의 정확도를 크게 향상시킬 수 없습니다. 본 논문에서는 크라우드소싱 라벨 집계를 위한 새로운 이층 협업 클러스터링(BLCC) 방법을 제안합니다. BLCC는 먼저 여러 개의 노이즈 라벨로부터 인스턴스에 대한 개념적 수준의 특징을 생성하고, 개념적 수준의 특징에 대해 클러스터링을 수행하여 초기 통합 라벨을 추론합니다. 그런 다음, 물리적 수준의 특징에 대해 다시 클러스터링을 수행하여 물리적 계층에서 진정한 라벨의 추정을 형성합니다. 두 계층 모두에서의 클러스터링 결과는 인스턴스의 불확실성 변화를 추적하는 데 도움을 줄 수 있습니다. 마지막으로, 개념 계층에서 잘못 추론될 가능성이 있는 초기 통합 라벨은 물리적 계층에서 추정된 라벨을 사용하여 해결할 수 있습니다. 두 계층에서의 클러스터링 과정은 여러 라벨 개선 라운드에서 서로에게 정보 안내를 지속적으로 제공할 수 있습니다. 12개의 실제 크라우드소싱 데이터 세트에서의 실험 결과는 정확도 측면에서 제안된 방법의 성능이 최신 방법들보다 우수하다는 것을 보여줍니다.
Zhang et al. (Fri,)은 이 질문을 연구했습니다.