[发明专利]一种集成的加权多数软投票的众包数据真值推理方法

权利要求书

1.一种集成的加权多数软投票的众包数据真值推理方法，其特征在于具体实现如下：

将众包数据集定义为每一个实例为e_i＝x_i,y_i,l_i,其中x_i是众包数据中第i个实例的特征向量；y_i是众包数据中第i个实例的真实标签；l_i是第i个实例的噪声标签集，包含J个工人对第i个实例的所有噪声标签:l_i＝{l_i1,l_i2,l_i3,...,l_ij}，i∈{1,2,3,...,I},j∈{1,2,3,...,J}；

步骤1、通过计算实例属于每一个类别的概率，复制K-1个实例副本，从而转换为新的众包数据集D′用以训练弱分类器；

步骤2、采用基于极大似然估计的方法聚合弱分类器；

步骤3、引入工人在不同的实例上的不同的标注能力，采用基于相似度比较的方法计算工人权重；

步骤4、采用加权软投票的方法聚合生成推理的标签。

2.根据权利要求1所述的一种集成的加权多数软投票的众包数据真值推理方法，其特征在于步骤1所述的计算实例属于每一个类别的概率，具体如下：

表示第i个实例的预测标签的类别是c_k，Pr(c_k|l_i)表示第i个实例工人标记为c_k的标签对该实例所有标签的占比，计算实例所属类别公式如下：

其中，Pr(+|l_i)表示第i个实例工人标记为正类的标签对该实例所有标签的占比，相应地Pr(-|l_i)表示第i个实例工人标记为负类的标签对该实例所有标签的占比；δ(·)为指示函数，括号内两个值相等时函数值为1，否则为0；K为类别总数。

3.根据权利要求2所述的一种集成的加权多数软投票的众包数据真值推理方法，其特征在于步骤2包括以下分步骤：

步骤2.1根据步骤1统计得到所有弱分类器的混淆矩阵集合表示第m个分类器将真实c_k预测成c_l的概率；

步骤2.2假设M个弱分类器预测T个未标注的实例，所有分类器对T个未标记的实例的预测结果生成了一个矩阵A，根据极大似然估计全概率公式得到新的分类器，公式如下：

其中，表示每个类标签的先验概率的集合，表示第m个分类器是否将第t个实例预测为c_l类；

步骤2.3使用期望最大化算法迭代更新先验概率；在E步中未标记的第t个实例属于c_k的概率，计算公式如下:

其中，表示实例t属于c_k的概率，在M步中更新每个分类器的混淆矩阵以及每个类的先验概率

其中T表示未标注实例个数，表示第m个分类器是否将第t个实例预测为c_l类。