کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944541 1437997 2017 32 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dependent judgment analysis: A Markov chain based approach for aggregating crowdsourced opinions
ترجمه فارسی عنوان
تجزیه و تحلیل قضاوت وابسته: یک رویکرد مبتنی بر زنجیره مارکف برای جمع آوری نظرات مشترکت
کلمات کلیدی
تجزیه و تحلیل قضاوت وابسته، برون سپاری، رای اکثریت، زنجیره مارکوف،
ترجمه چکیده
نکته ای از مجموعه داده های گسترده ای را می توان به وضوح توسط کارگران جمعیت در یک زمان و هزینه های موثر انجام می شود. یک چالش عمده در این زمینه این است که چگونه نظرات ادغام شده از چندین کارگر برای جمع آوری قضاوت نهایی جمع آوری کنیم. اکثر مدلهای جمعآوری نظر جمعیتی که تا به حال شناخته شدهاند با نظرات مستقل، که در آن کارکنان جمعیت نظرات خود را با یک نظر موافقند و برای همه قابل مشاهده نیستند. در زندگی واقعی، برنامه های کاربردی وجود دارد که آگاه کننده می تواند نظرات دیگران را ببیند. این احتمال بیشتری دارد که نظرات دیگران را متعجب کند. در این مقاله یک مشکل جدید مطرح می شود که بعدها به عنوان تحلیل قضاوت وابسته نامیده می شود و پیشنهاد می کند که روش قضاوت نهایی را از مجموعه ای از نظرات مستقل و وابسته بدست آورد. در اینجا، یک روش تجمعی بر پایه زنجیره مارکوف برای رسیدگی به نظرات کارکنان جمعیت برای یافتن توافق استفاده می شود. ما کارایی روش پیشنهادی را در یک مجموعه داده مصنوعی و یک مجموعه داده های زندگی واقعی که اخیرا منتشر شده است مطالعه می کنیم. روش پیشنهادی در این دو مجموعه داده برای تعیین قضاوت جمعآوری شده است. اثربخشی روش پیشنهادی ما با مقایسه آن با رای اکثریت نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تجزیه و تحلیل قضاوت وابسته: یک رویکرد مبتنی بر زنجیره مارکف برای جمع آوری نظرات مشترکت
چکیده انگلیسی
Annotation of large-scale datasets can promisingly be done by crowd workers in a time and cost effective way. A major challenge in this area is how we aggregate the opinions received from multiple workers to derive the final judgment. Most of the crowd opinion aggregation models known so far deal with independent opinions, where the crowd workers provide their opinions unanimously and these are not visible to everyone. In real life, there are applications where an annotator can see others' opinions. This incurs a higher chance of getting biased by the other opinions. This paper addresses a new problem, hereafter termed as dependent judgment analysis, and proposes a method to derive the final judgment from a given set of independent and dependent opinions. Here, a Markov chain based aggregation method is used to handle the opinions of the crowd workers for finding a consensus. We study the performance of the proposed method on a synthetic dataset and another real-life dataset published in recent times. The proposed method is applied on these two datasets to find out the aggregated judgment. The efficacy of our proposed method is shown by comparing it with majority voting.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 396, August 2017, Pages 83-96
نویسندگان
, , ,