[发明专利]一种面向标签不平衡性的半监督众包标注数据整合方法

权利要求书

1.一种面向标签不平衡性的半监督众包标注数据整合方法，其特征在于，包括如下步骤：

(1)对于任一个标签种类，根据已获得的正确标签及其对应的所有标注结果计算出每种标签的加权参数；

(2)根据加权参数以及标注数据，获得初始的整合结果；

(3)根据初始整合结果以及标注数据，获得每一个标注工作者的能力值；

(4)根据标注工作者的能力值、加权参数以及标注数据，重新整合得到标注结果；

(5)返回步骤(3)循环迭代，直至前后两次获得的标注结果一致，取此时的标注结果作为众包标注数据的最终标注结果；

所述的步骤(1)中计算每种标签的加权参数的具体步骤如下：

1.1利用正确结果相对应的标注数据统计出每个对象上每个标签类获取的标注总数；

1.2把已获得的正确标签通过以下公式转换为结果矩阵：

其中：为已获得的正确结果中第m个对象的正确标签，T_mj是第m个对象在第j种标签上的值，如果正确为1，否则为0；

1.3根据上述结果矩阵T_mj计算加权参数的先验：

其中：w_j为第j种标签对应的权重，M为对象总数；

1.4利用加权参数计算目标损失函数的值：

其中：D是目标损失函数，λ是常量参数用来防止过拟合，函数是基于第m个对象和第j种标签的Softmax函数，表示正确结果相对应的标注数据中第m个对象上第j种标签获得的标注总数，C是标签的种类数，w_j为第j种标签对应的权重，W为加权参数集合，即{w_j|j∈[1,C]}；

1.5利用已有加权参数，梯度下降更新得到新的加权参数：

其中：t是循环次数，α＞0是梯度下降的长度，是一个常量，代表下降梯度，是D对于的偏导数；

1.6返回步骤1.4和1.5循环迭代，直至目标函数D前后一致且达到最小，取此时的加权参数作为最终的加权参数。

2.根据权利要求1所述的半监督众包标注数据整合方法，其特征在于：所述的步骤(2)中通过以下公式获取初始的标注整合结果：

其中：是初始的整合结果中表示第m个对象的整合标签，是步骤(1)中获取的最终加权参数中表示第j种标签的权重，表示第k个标注者把第m个对象上的标签标注为j的次数，K表示标注者的总数。

3.根据权利要求1所述的半监督众包标注数据整合方法，其特征在于：所述的步骤(3)中通过以下公式计算每个标注者的标注准确度，即能力值：

其中：表示第k个标注者把正确标签为i的对象标注为j的概率，h为迭代步数计数器，是第h次迭代获取的整合标注结果矩阵，由整合正确标签结果转换得到。

4.根据权利要求1所述的半监督众包标注数据整合方法，其特征在于：所述的步骤(4)中通过以下公式重新整合得到标注结果：

其中：是经过h次迭代得到的整合标注结果中表示第m个对象的整合标签。