文献

J-GLOBAL ID：201702267968645447   整理番号：17A1391985

対クラウドソーシングによる確率的トップkランク付けの不確実性の低減【Powered by NICT】

Reducing Uncertainty of Probabilistic Top-$k$ Ranking via Pairwise Crowdsourcing

著者 (4件)： Lin Xin (Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University, Shanghai, China) ,  Xu Jianliang (Department of Computer Science, Hong Kong Baptist University, Kowloon Tong, Hong Kong) ,  Hu Haibo (Department of Electronic and Information Engineering, Hong Kong Polytechnic University, Hung Hom, Kowloon, Hong Kong) ,  Fan Zhe (Department of Computer Science, Hong Kong Baptist University, Kowloon Tong, Hong Kong)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 10  ページ： 2290-2303  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： 確率的トップkランク付けは,不確実なデータベースにおける重要でよく研究されている質問演算子である。しかし,top-k結果の品質は,基本的なデータのあいまい性と不確実性に大きく影響する可能性がある。不確実性低減法は,元のデータを浄化することによりトップk結果の品質を改善するために提案した。残念なことに,最もデータクリーニング自由曲面体モデルは,物体の正確な値を個別に目的とし,主観的データ型,ユーザ評価のような,は本質的に確率的に良好に動作しなかった。本論文では,ドメイン専門家の群衆を用いたトップkランク付けの不確実性を低減する新しい対クラウドソーシングモデルを提案した。限られた予算のクラウドソーシングタスクが与えられたとき,最高品質の改善をもたらすであろうことをクラウドソーシングのための最良の物体対を選択するための効率的なアルゴリズムを提案した。広範な実験により,この提案する解が確率的トップkランキング質問の品質向上の観点から30倍までランダム選択法よりも優れていることを示した。効率の観点から,提案した解が,力ずくのアルゴリズムの経過時間を減少させる数日から1分することができる。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： *不確実性 ,  アルゴリズム ,  データベース ,  品質 ,  データ型 ,  *等級づけ ,  曖昧さ
準シソーラス用語： 選択法 ,  品質向上 ,  ユーザ評価 ,  自由曲面 ,  データクリーニング ,  *クラウドソーシング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： クラウドソーシング ,  確率 ,  トップ ,  不確実性