降低众包到图论估计的统计方法
摘要：以无监督的方式基于多个含噪答案推断二元任务的正确答案已经成为微任务众包或更一般的意见汇总的经典问题。在图纹估计中，我们希望利用图实现的单个快照来估计节点之间的边强度或概率。在最近的文献中，这两个主题都有令人兴奋的发展。在众包的背景下，关键的智力挑战是理解通过汇总从其他不同任务收集的答案是否可以更准确地去噪给定任务。在图纹估计的背景下，信息界限和估计算法仍然有着重要意义。在本文中，我们利用从众包到图纹估计的统计缩减来推进这两个挑战的最新技术。我们利用图纹估计的概念设计了一个算法，对于超越了文献中考虑的“排名一”模型的设置，该算法的性能优于“多数投票”方案。我们使用已知的众包显式下界为图纹估计提供了更精细的下界。
作者：Devavrat Shah and Christina Lee Yu
论文ID：1703.08085
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-07-29