Hierarchical Crowdsourcing for Data Labeling with Heterogeneous Crowd

众包 计算机科学 初始化 骨料(复合) 机器学习 任务(项目管理) 集合(抽象数据类型) 人工智能 数据挖掘 多数决原则 投票 合成数据 图形 训练集 理论计算机科学 万维网 政治 复合材料 经济 管理 材料科学 程序设计语言 法学 政治学
作者
Haodi Zhang,Weijian Huang,Zhe Su,Junyang Chen,Di Jiang,Fan Li,Chen Zhang,Defu Lian,Kaishun Wu
标识
DOI:10.1109/icde55515.2023.00099
摘要

With the rapid and continuous development of data-driven technologies such as supervised learning, high-quality labeled data sets are commonly required by many applications. Due to the easiness of crowdsourcing small tasks with low cost, a straightforward solution for label quality improvement is to collect multiple labels from a crowd, and then aggregate the answers. The aggregation strategies include majority voting and its many variants, EM-based approaches, Graph Neural Nets and so on. However, due to the uncertainty information loss and commonly existing task correlations, the aggregated labels usually contain errors and may damnify the downstream model training.To address the above problem, we propose a hierarchical crowdsourcing framework 1 for data labeling with noisy answers about correlated data. We make use of the heterogeneity of the labeling crowd and form an initialization-checking-update loop to improve the quality of labeled data. We formalize and successfully solve the core optimization problem, namely, selecting a proper set of checking tasks for each round. We prove that maximizing the expected quality improvement is equivalent to minimizing the conditional entropy of the observations given the crowdsourced answer families for the selected task set, which is NP-hard to solve. Therefore, we design an efficient approximation algorithm and conduct a series of experiments on real data. The experimental results show that the proposed method effectively improves the quality of the labeled data sets as well as the SOTA performance, yet without extra human labor costs.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
有魅力黎云完成签到 ,获得积分10
1秒前
Lucas应助Yvette2024采纳,获得10
2秒前
2秒前
自然的书萱完成签到,获得积分10
2秒前
3秒前
YZZ发布了新的文献求助10
3秒前
搞怪冷风发布了新的文献求助10
3秒前
4秒前
李杰发布了新的文献求助10
4秒前
4秒前
科研小王发布了新的文献求助10
4秒前
4秒前
4秒前
orixero应助lxk55555采纳,获得10
7秒前
8秒前
9秒前
Lisa_Su_8055发布了新的文献求助10
9秒前
sci发布了新的文献求助10
9秒前
Harvey3568完成签到,获得积分10
9秒前
9秒前
桐桐应助ikun采纳,获得10
10秒前
10秒前
香蕉觅云应助xiaohu采纳,获得10
10秒前
luonayi完成签到,获得积分10
11秒前
yue发布了新的文献求助10
12秒前
认真科研发布了新的文献求助10
13秒前
斯文败类应助猩心采纳,获得30
13秒前
Harvey3568发布了新的文献求助10
13秒前
13秒前
小杨子发布了新的文献求助10
13秒前
南北应助redpigger采纳,获得20
14秒前
Fiona发布了新的文献求助10
14秒前
深情安青应助大鸡炖蘑菇采纳,获得10
14秒前
yuao完成签到,获得积分10
15秒前
赘婿应助宁静致远采纳,获得10
15秒前
搞怪冷风完成签到,获得积分10
15秒前
15秒前
xtutang完成签到,获得积分10
15秒前
lxk55555完成签到,获得积分10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3152854
求助须知:如何正确求助?哪些是违规求助? 2804064
关于积分的说明 7856939
捐赠科研通 2461847
什么是DOI,文献DOI怎么找? 1310502
科研通“疑难数据库(出版商)”最低求助积分说明 629279
版权声明 601788