文献

J-GLOBAL ID：201702240229769507   整理番号：17A1728210

群衆からの学習のための品質高感度法【Powered by NICT】

A Quality-Sensitive Method for Learning from Crowds

著者 (3件)： Zhong Jinhong (Shenzhen Key Laboratory of Computational Intelligence, Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China) ,  Yang Peng (School of Computer Science and Technology, University of Science and Technology of China (USTC), Hefei, Anhui, China) ,  Tang Ke (Shenzhen Key Laboratory of Computational Intelligence, Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, Guangdong, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 12  ページ： 2643-2654  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 実世界応用においては,全例を正しくできるオラクルは存在しないまたは獲得するにはあまりにも高価である。もう一つの方法として,クラウドソーシングは,複数の専門家の注釈者から低コストでラベルを得るための容易な方法を提供する。過去数年の間に,そのようなクラウドソーシングデータ,すなわち群衆(LFC)からの学習からの学習が注目されている。適切な統計的基礎にもかかわらず,LFCのための既存の方法は,まだいくつかの欠点の影響を受け,注釈者の挙動を表現するために専門知識モデルを選択し,非凸最適化問題を含む前に知識が必要な,または使用されている分類器型を制限する。品質感度の観点からLFCを検討し,QS LFCと呼ばれる新しいフレームワークを提案した。品質感度学習問題として元LFC問題を再定式化することにより,既存の方法の上記欠点を避けることができる。さらに,QS LFCのサポートベクトルマシン(SVM)実装を提案した。合成と実世界データセット上での実験結果により,QS LFCは優れた汎化性能を達成できることを示し,雑音のあるラベルにロバストであり,既存の方法よりも。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 汎化 ,  ロバスト性 ,  *高感度 ,  アノテーション ,  雑音 ,  *学習 ,  *品質 ,  定式化 ,  サポートベクトルマシン
準シソーラス用語： 非凸最適化問題 ,  専門知識 ,  ローコスト ,  クラウドソーシング ,  オラクル , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (2件)： 学習 ,  高感度