論文の概要: TruEyes: Utilizing Microtasks in Mobile Apps for Crowdsourced Labeling
of Machine Learning Datasets
- arxiv url: http://arxiv.org/abs/2209.14708v1
- Date: Thu, 29 Sep 2022 12:09:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 18:03:47.659740
- Title: TruEyes: Utilizing Microtasks in Mobile Apps for Crowdsourced Labeling
of Machine Learning Datasets
- Title（参考訳）: TruEyes: モバイルアプリでのマイクロタスクの利用による機械学習データセットのクラウドソーシング
- Authors: Chandramohan Sudar, Michael Froehlich, Florian Alt
- Abstract要約: モバイルアプリユーザに対して,マイクロタスクの配布を可能にするクラウドソーシングシステムであるTruEyesを提案する。
その結果,ラベル付きデータの質は,従来のクラウドソーシング手法に匹敵することがわかった。
本システムの拡張について論じ,将来モバイル広告空間を生産資源として活用する方法について論じる。
- 参考スコア（独自算出の注目度）: 25.26692767191091
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing use of supervised machine learning in research and industry has
increased the need for labeled datasets. Crowdsourcing has emerged as a popular
method to create data labels. However, working on large batches of tasks leads
to worker fatigue, negatively impacting labeling quality. To address this, we
present TruEyes, a collaborative crowdsourcing system, enabling the
distribution of micro-tasks to mobile app users. TruEyes allows machine
learning practitioners to publish labeling tasks, mobile app developers to
integrate task ads for monetization, and users to label data instead of
watching advertisements. To evaluate the system, we conducted an experiment
with N=296 participants. Our results show that the quality of the labeled data
is comparable to traditional crowdsourcing approaches and most users prefer
task ads over traditional ads. We discuss extensions to the system and address
how mobile advertisement space can be used as a productive resource in the
future.
- Abstract（参考訳）: 研究と産業における教師あり機械学習の利用の増加は、ラベル付きデータセットの必要性を高めた。
クラウドソーシングは、データラベルを作成する一般的な方法として登場した。
しかし、タスクの大規模なバッチ作業は作業者の疲労につながり、ラベルの品質に悪影響を及ぼす。
そこで我々は,TruEyesという共同クラウドソーシングシステムを紹介し,モバイルアプリユーザへのマイクロタスクの配布を可能にする。
TruEyesは、機械学習の実践者がラベル付けタスクをパブリッシュし、モバイルアプリ開発者は収益化のためにタスク広告を統合する。
N=296名の被験者を対象に実験を行った。
その結果,ラベル付きデータの質は従来のクラウドソーシング手法に匹敵し,ほとんどのユーザは従来の広告よりもタスク広告を好むことがわかった。
本システムの拡張について論じ,将来モバイル広告空間を生産資源として活用する方法について論じる。
関連論文リスト
- Non-stationary BERT: Exploring Augmented IMU Data For Robust Human Activity Recognition [12.175145985669642]
HAR(Human Activity Recognition)は、モバイルデバイスの普及により、研究者から大きな注目を集めている。
本研究では、携帯電話IMUデータからなるOPPOHARと呼ばれる人間の活動認識データセットを収集する。
本研究では,ユーザ固有のアクティビティ認識を実現するための2段階のトレーニング手法により,非定常BERTと呼ばれる新しい軽量ネットワークを提案する。
論文 参考訳（メタデータ） (2024-09-25T08:28:54Z) - Design and Evaluation of Camera-Centric Mobile Crowdsourcing Applications [3.941600320957518]
このプロジェクトでは,アプリケーション設計がユーザのコントリビューション意欲や,取得したデータの量や品質にどのように影響するかを理解する。
我々はカメラベースのモバイルクラウドソーシングアプリケーションの3つのバージョンを設計した。
その結果,高いレベルのユーザラベリングがコントリビューションの削減につながることが示唆された。
論文 参考訳（メタデータ） (2024-09-04T18:10:35Z) - Understanding the World Through Action [91.3755431537592]
ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。
このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
論文 参考訳（メタデータ） (2021-10-24T22:33:52Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳（メタデータ） (2021-01-16T23:45:02Z) - Context-Aware Target Apps Selection and Recommendation for Enhancing
Personal Mobile Assistants [42.25496752260081]
本論文では,効果的なパーソナルモバイルアシスタントの開発に不可欠な2つの研究課題について述べる。
ここでは,モバイルデバイスで利用可能なリッチなコンテキスト情報を活用するために,コンテキスト認識モデルに注目する。
本稿では,ユーザの逐次的,時間的,個人的行動を考慮した文脈認識型ニューラルモデル群を提案する。
論文 参考訳（メタデータ） (2021-01-09T17:07:47Z) - Federated Learning with Heterogeneous Labels and Models for Mobile
Activity Monitoring [0.7106986689736827]
デバイス上でのフェデレーション学習は、分散的で協調的な機械学習に効果的なアプローチであることが証明されている。
本稿では,複数の活動にまたがる重なり合う情報ゲインを利用したラベルに基づくアグリゲーションのためのフレームワークを提案する。
Raspberry Pi 2上のHeterogeneity Human Activity Recognition (HHAR)データセットによる経験的評価は、決定論的精度が少なくとも11.01%向上したことを示している。
論文 参考訳（メタデータ） (2020-12-04T11:44:17Z) - Exploiting Heterogeneous Graph Neural Networks with Latent Worker/Task
Correlation Information for Label Aggregation in Crowdsourcing [72.34616482076572]
クラウドソーシングは専門家ではなく、専門家でない労働者からラベルを集めるのに便利であることから、多くの注目を集めている。
群集ラベルを集約するグラフニューラルネットワークに基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-25T10:12:37Z) - Multi-label Learning with Missing Values using Combined Facial Action
Unit Datasets [0.0]
顔のアクションユニットは、人間の顔の感情を記述するのに使用できる顔のマイクロムーブメントの客観的で標準化された記述を可能にする。
アクションユニットのデータアノテートは高価で時間を要する作業であり、データ状況の不足につながる。
本稿では,欠落ラベルの存在下で学習可能なデータベースとアルゴリズムを組み合わせるためのアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-17T11:58:06Z) - Adversarial Knowledge Transfer from Unlabeled Data [62.97253639100014]
本稿では,インターネット規模の未ラベルデータから知識を伝達し,分類器の性能を向上させるための新しいAdversarial Knowledge Transferフレームワークを提案する。
我々の手法の重要な新しい側面は、ラベル付けされていないソースデータは、ラベル付けされたターゲットデータと異なるクラスであることができ、個別のプリテキストタスクを定義する必要がないことである。
論文 参考訳（メタデータ） (2020-08-13T08:04:27Z) - Visual Imitation Made Easy [102.36509665008732]
本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。
我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。
我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
論文 参考訳（メタデータ） (2020-08-11T17:58:50Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。