-
题名标记相关性修正的多标记众包标签推断方法
- 1
-
-
作者
刘昕雨
张琳
姜高霞
王文剑
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第5期1025-1031,共7页
-
基金
国家自然科学基金项目(U21A20513,62076154,62276161,61906113)资助
中央引导地方科技发展资金项目(YDZX20201400001224)资助。
-
文摘
众包平台的快速发展使人们获取数据标签变得较为容易,但由于标记者的知识水平、评价标准等均存在显著差异,导致获得的标签质量参差不齐.特别是对于多标记数据,由于每个样本可能有多个不同标记,且不同样本的标记数量不同,所以通过众包标注获取多标记数据的标签时,标注者很难为每个样本提供完整准确的数据标签.针对多标记众包标签推断问题,提出基于标记相关性修正(Label Dependence Correction,LDC)的多标记众包标签推断框架,首先使用单标记众包标签推断算法给出每个标记的初步推断结果,然后通过度量标记间的相关性更新和纠正不可靠的初始标记推断结果.实验结果表明,与经典的众包多标记方法相比,本文提出的框架与单标记算法融合后可以有效提升多标记众包标签推断的性能.
-
关键词
多标记学习
众包标签推断
标记相关性
标签修正
-
Keywords
multi-label learning
crowdsourced label inference
label dependence
label correction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
