کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6940428 1450013 2018 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On the integration of crowd knowledge in pattern recognition
ترجمه فارسی عنوان
در ادغام دانش جمعیت در تشخیص الگو
کلمات کلیدی
ترجمه چکیده
این مقاله مربوط به مبانی ادغام دانش های جمعیت مانند رأی ها، نظرات یا تگ های ارائه شده توسط کاربران اینترنت است. به عنوان مثال یک مثال، ما مشکل تشخیص تصویر را بر اساس برچسب های ارائه شده توسط کاربر در نظر می گیریم. هر کاربر تصور می شود دانش خاصی در مورد تصاویر داشته باشد، که می تواند ناقص باشد یا تنها مربوط به نقش جزئی در شناسایی باشد. هر کاربر همچنین تصور می کند که انتخاب خاصی از واژگان برچسب داشته باشد، احتمالا متفاوت از مجموعه ای از برچسب های تجویز شده برای تشخیص تصویر است. ما استدلال می کنیم که دانش کاربر می تواند به ساختار دانش و نمایندگی ساختار (یعنی واژگان برچسب آن) تفکیک شود. این دیدگاه از یک روش سه گانه سیستماتیک برای ادغام دانش افراد در چنین برنامه هایی حمایت می کند، بدین ترتیب مسئله علاقه به سه زیر مشکل در کنار یکدیگر متصل می شود: تجمیع ساختار دانش، تفسیر واژگان و تخصیص برچسب. ما مرز پایین را برای احتمال خطای قابل دستیابی پیدا می کنیم. با استفاده از این محدودیت و با استفاده از شبیه سازی مونت کارلو، عملکرد یک سیستم یکپارچه سازی دانش را در ارتباط با تنظیمات مختلف پارامتر بررسی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
در ادغام دانش جمعیت در تشخیص الگو
چکیده انگلیسی
This paper is concerned with the fundamentals of integrating crowd knowledge such as ratings, opinions or tags provided by the internet users. As a concrete example, we consider the problem of image recognition based on user-provided tags. Each user is assumed to have certain knowledge about the images, which can be incomplete or only of partial relevance to the recognition task. Each user is also assumed to have his own choice of tag vocabulary, possibly different from the set of prescribed labels for image recognition. We argue that a user's knowledge can be separated into the structure of the knowledge and the representation of the structure (namely, his tag vocabulary). This perspective advocates a systematic three-step methodology for crowd knowledge integration in such applications, whereby the problem of interest is decoupled into three sub-problems in tandem: knowledge structure aggregation, vocabulary interpretation, and label assignment. We derive a lower bound for the achievable error probability. Using this bound and via Monte-Carlo simulations, we investigate the performance of a knowledge integration system in relation to various parameter settings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 106, 15 April 2018, Pages 1-6
نویسندگان
, ,