结合众包与机器进行多谓词项目筛选
本文讨论了如何有效结合众包和机器分类器来筛选满足一组谓词的项目。作者表明这是许多领域中反复出现的问题,提出了人机混合算法来高效筛选项目,并估计了相较于纯人工或纯机器筛选在性能和成本方面的收益。研究进一步探讨了如何管理成本-准确性的权衡:通过确定是花费预算获取测试数据(以评估给定分类器的准确性),还是训练分类器集成,抑或是将现有机器分类器与众包结合,并根据其估算特征高效组合以获得分类。作者证明了所提出的技术在成本/准确性方面相对于领先分类算法获得了显著改进。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文