Fugu-MT 論文翻訳(概要): Modelisation de l'incertitude et de l'imprecision de donnees de crowdsourcing : MONITOR

論文の概要: Modelisation de l'incertitude et de l'imprecision de donnees de crowdsourcing : MONITOR

arxiv url: http://arxiv.org/abs/2002.11717v1
Date: Wed, 26 Feb 2020 14:58:11 GMT
ステータス: 処理完了
システム内更新日: 2022-12-28 15:10:18.729208
Title: Modelisation de l'incertitude et de l'imprecision de donnees de crowdsourcing : MONITOR
Title（参考訳）: クラウドソーシングのモデル化と不正確性 : MONITOR
Authors: Constance Thierry (1), Jean-Christophe Dubois (1), Yolande Le Gall (1), Arnaud Martin ((1) Universit\'e de Rennes 1, France)
Abstract要約: クラウドソーシングは、多くのコントリビュータへのタスクのアウトソーシングである。これらの貢献者を特定することは、彼らの反応を考えるのを避けるために不可欠である。本稿では,コントリビュータのプロファイルを推定するMONITORを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Crowdsourcing is defined as the outsourcing of tasks to a crowd of contributors. The crowd is very diverse on these platforms and includes malicious contributors attracted by the remuneration of tasks and not conscientiously performing them. It is essential to identify these contributors in order to avoid considering their responses. As not all contributors have the same aptitude for a task, it seems appropriate to give weight to their answers according to their qualifications. This paper, published at the ICTAI 2019 conference, proposes a method, MONITOR, for estimating the profile of the contributor and aggregating the responses using belief function theory.
Abstract（参考訳）: クラウドソーシングは、多くのコントリビュータへのタスクのアウトソーシングとして定義される。群衆はこれらのプラットフォーム上で非常に多様であり、タスクの報酬に惹かれる悪意のあるコントリビュータを含む。これらの貢献者を特定することは、彼らの反応を考えるのを避けるために不可欠である。すべてのコントリビュータがタスクに同じ適性を持っているわけではないので、その資格に応じて回答に重みを付けるのが適しているように思える。 ictai 2019カンファレンスで発表された論文では,貢献者のプロファイルを推定し,信念関数理論を用いて応答を集約する手法である monitor を提案する。

関連論文リスト

ExpertQA: Expert-Curated Questions and Attributed Answers [51.68314045809179]
我々は,様々な属性と事実の軸に沿って,いくつかの代表システムからの応答を人為的に評価する。我々は32分野にわたる484人の被験者から専門家による質問を収集し、同じ専門家に自身の質問に対する反応を評価する。分析の結果は,32分野にまたがる2177の質問と,回答の検証とクレームの属性を備えた高品質な長文QAデータセットであるExpertQAである。
論文参考訳（メタデータ） (2023-09-14T16:54:34Z)
Incentive Mechanism for Uncertain Tasks under Differential Privacy [17.058734221792964]
モバイル・クラウド・センシング (MCS) は, 費用対効果により, センサ・パラダイムとして人気が高まっている。本稿では,不確実性と隠れ入札を用いて問題に対処するインセンティブメカニズムであるHERALD*を提案する。
論文参考訳（メタデータ） (2023-05-26T10:15:02Z)
Estimation of the qualification and behavior of a contributor and aggregation of his answers in a crowdsourcing context [0.0]
クラウドソーシングは、専用のプラットフォーム上で多くのコントリビュータにタスクをアウトソーシングするものだ。これらのプラットフォーム上の群衆は非常に多様化しており、不均一な品質のデータを生成するコントリビュータのさまざまなプロファイルを含んでいる。提案手法は,コントリビュータのプロファイルを推定し,収集したデータを集約する手法であるMONITORを提案する。
論文参考訳（メタデータ） (2023-03-08T13:01:05Z)
Assisting Human Decisions in Document Matching [52.79491990823573]
我々は,意思決定者のパフォーマンスを向上する支援情報の種類を評価するためのプロキシマッチングタスクを考案した。ブラックボックスモデルによる説明を提供することで,マッチング作業におけるユーザの精度が低下することが判明した。一方,タスク固有のデシラタに密接に対応するように設計されたカスタムメソッドは,ユーザのパフォーマンス向上に有効であることが判明した。
論文参考訳（メタデータ） (2023-02-16T17:45:20Z)
On the Design of Strategic Task Recommendations for Sustainable Crowdsourcing-Based Content Moderation [1.8275108630751837]
クラウドソーシングベースのコンテンツモデレーションは、クラウドワーカーのためのコンテンツモデレーションタスクをホストするプラットフォームである。現在の最先端のレコメンデーションシステムは、労働者のメンタルヘルスへの影響を無視している。本稿では,作業者のメンタルステータスに基づいた求職を推薦するクラウドソーシングプラットフォームのための,新たな戦略的レコメンデーションシステムを提案する。
論文参考訳（メタデータ） (2021-06-04T20:35:14Z)
Generative Context Pair Selection for Multi-hop Question Answering [60.74354009152721]
マルチホップ質問応答のための生成コンテキスト選択モデルを提案する。提案した生成経路選択モデルは,対向保留集合上でのより良い性能(ベースラインより4.9%高い)を有する。
論文参考訳（メタデータ） (2021-04-18T07:00:48Z)
Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文参考訳（メタデータ） (2020-12-15T22:15:20Z)
MS-Ranker: Accumulating Evidence from Potentially Correct Candidates for Answer Selection [59.95429407899612]
そこで我々は,MS-Ranker という,新しい強化学習に基づくマルチステップランキングモデルを提案する。我々は、候補の潜在的な正しさを明示的に考慮し、ゲーティング機構で証拠を更新する。我々のモデルは、外部リソースに依存しない既存の手法を著しく上回ります。
論文参考訳（メタデータ） (2020-10-10T10:36:58Z)
Maximizing Information Gain in Partially Observable Environments via Prediction Reward [64.24528565312463]
本稿では,深いRLエージェントに対する信念に基づく報酬の活用という課題に取り組む。負のエントロピーと予測される予測報酬の正確な誤差を導出する。この洞察は、予測報酬を用いたいくつかの分野の理論的動機を与える。
論文参考訳（メタデータ） (2020-05-11T08:13:49Z)
Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
論文参考訳（メタデータ） (2020-03-13T11:34:29Z)
`Why didn't you allocate this task to them?' Negotiation-Aware Explicable Task Allocation and Contrastive Explanation Generation [19.265913720022574]
交渉をシミュレートする中央人工知能タスク割り当て(AITA)を提案する。チームメンバーが提案されたアロケーションに不満を抱いている場合、そのアロケーションに反事実を使って疑問を呈することができる。提案手法を用いて提案したアロケーションは, 多数派に公平に見え, 反事実が生じると, 説明が容易に理解され, 納得できることを示す。
論文参考訳（メタデータ） (2020-02-05T04:58:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。