一种结合众包的排序学习算法

• 作者: 奚凌然 王小平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 排序学习 众包 众包质量控制 排序支持向量机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 算法
• 页码范围: 277-283,291
• 页数: 8页
• 分类号: TP181
• 字数: 6078字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.06.050

摘要

针对有监督排序学习所需带标记训练数据集不易获得的情况,引入众包这种新型大众网络聚集模式来完成标注工作,为解决排序学习所需大量训练数据集标注工作耗时耗力的难题提供了新的思路.首先介绍了众包标注方法,着重提出两种个人分类器模型来解决众包结果质量控制问题,同时考虑标注者能力和众包任务的难度这两个影响众包质量的因素.再基于得到的训练集使用RankingSVM进行排序学习并在微软OHSUMED数据集上衡量了该方法在NDCG@n评价准则下的性能.实验结果表明该众包标注方法能够达到95%以上的正确率,所得排序模型的性能基本和RankingSVM算法持平,从而验证了众包应用于排序学习的可行性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小平	同济大学电子与信息工程学院	109	940	18.0	24.0
2	奚凌然	同济大学电子与信息工程学院	2	7	2.0	2.0