Crowdsourcing Utilizing Subgroup Structure of Latent Factor Modeling
利用潜因子模型子群结构的众包标注AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究众包标签学习，潜因子不属于所给宏观或金融因子方向，其他细分证据亦不足。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用潜因子模型子群结构的众包标注
- 研究问题
- 面对非专家众包工作者提供的噪声标签，如何利用任务和工作者的子群结构，提高多类别任务真实标签的预测可靠性？
- 方法与思路
- 第一阶段以潜因子模型和多中心分组惩罚拟合标签，并用组别旋转对齐类别；第二阶段依一致程度筛选高质量工作者子群。
- 材料陈述的贡献
- 摘要称作者证明潜因子估计与标签预测的一致性，并在存在子群结构的模拟及真实应用中报告优于所比较方法的表现。
- 阅读关注点
- 应核对子群结构与因子可识别条件、旋转和筛选规则、一致性证明，以及比较优势是否依赖分组强度和模拟生成机制。
- 阅读边界
- 来源为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明理论条件和具体指标，不能将所述优势推广至所有众包任务。
原文摘要
Crowdsourcing has emerged as an alternative solution for collecting large scale labels. However, the majority of recruited workers are not domain experts, so their contributed labels could be noisy. In this paper, we propose a two-stage model to predict the true labels for multicategory classification tasks in crowdsourcing. In the first stage, we fit the observed labels with a latent factor model and incorporate subgroup structures for both tasks and workers through a multi-centroid grouping penalty. Group-specific rotations are introduced to align workers with different task categories to solve multicategory crowdsourcing tasks. In the second stage, we propose a concordance-based approach to identify high-quality worker subgroups who are relied upon to assign labels to tasks. In theory, we show the estimation consistency of the latent factors and the prediction consistency of the proposed method. The simulation studies show that the proposed method outperforms the existing competitive methods, assuming the subgroup structures within tasks and workers. We also demonstrate the application of the proposed method to real world problems and show its superiority.