보편적 군집화와 크라우드소싱
본 논문은 작업자 신뢰도와 과제 난이도에 대한 사전 지식 없이, 크라우드소싱 응답만을 이용해 객체들을 무감독으로 군집화하는 보편적 알고리즘을 제시한다. 일시적 작업자와 장기 기억을 가진 작업자 두 극단 모델을 각각 설계·분석하고, 이를 통합한 통합 모델을 제안한다. f‑다이버전스와 정보‑이론적 방법을 이용해 군집화 정확도를 보장하고, 표본 복잡도에 대한 상·하한을 도출해 알고리즘이 차수 최적임을 증명한다.
저자: Ravi Kiran Raman, Lav Varshney
본 논문은 “보편적 군집화”라는 새로운 패러다임을 제시한다. 전통적인 크라우드소싱 연구는 작업자들의 신뢰도나 오류 모델을 사전에 가정하고 알고리즘을 설계한다. 반면, 이 연구는 작업자 응답 채널 Q와 객체 라벨 사전 P_T에 대한 어떠한 사전 지식도 없이, 오직 수집된 응답 데이터만으로 정확한 군집화를 달성하고자 한다.
1. **시스템 모델**
- 객체 집합 {X₁,…,X_ℓ}은 τ개의 잠재 클래스 T∈
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기