[发明专利]一种基于特征的众包标注结果汇聚方法及装置

权利要求书

1.一种基于特征的众包标注结果汇聚方法，其特征在于，包括以下步骤：

(1)从外部知识库中获得物体类别与特征之间的映射关系；

(2)将待推断的对象基于提问的问题生成一众包任务，将众包任务在众包平台上分发给众包工人，从众包平台收集带有类别标注和特征标注的众包数据集；

(3)根据工人能力和类别与特征之间的映射关系以及众包数据集，设计任务分类模型；

所述任务分类模型包括工人模块、任务模块和映射关系模块三部分；

工人模块用于刻画工人标注任务类别的能力和标注任务特征的能力，用a_j表示工人j答对类别的概率，a_jg表示工人j答对特征g的概率；

任务模块用于记录任务类别的真值和任务特征的真值，用z_i表示任务i的类别真值，用表示类别c_k对应的特征g的真值；

在工人模块和任务模块的交叉部分，用表示工人j对任务i的类别的回答，用表示工人j对任务i的特征g的回答；

映射关系模块用于提供物体类别与特征之间的映射关系；

将所述任务分类模型由概率表示为以下形式：

工人回答任务类别的概率分布：

工人回答任务特征的概率分布：

其中I为指示函数，K为类别个数，K_g为特征g可能取值的个数，参数θ表示工人能力；

(4)根据任务分类模型，极大化观测数据X关于参数θ的对数似然函数logP(X|θ)：

logP(X|θ)＝∑_ZlogP(X,Z|θ)＝∑_ZlogP(X|Z,θ)P(Z|θ)

其中观测数据X表示工人对任务的回答，隐变量Z表示任务类别的真值；

(5)使用EM算法求出工人能力和每个任务的真实类别与真实特征，完成众包标注结果汇聚。

2.根据权利要求1所述的一种基于特征的众包标注结果汇聚方法，其特征在于，所述步骤(5)包括以下子步骤：

(5-1)记θ^(t)为第t次迭代参数θ的估计值，求出完全数据(X,Z)的对数似然函数logP(X,Z|θ)关于在给定观测数据X和参数θ^(t)下对未观测数据Z的条件概率分布P(Z|X,θ^(t))的期望Q函数；

(5-2)计算EM算法的e步，即用m步得出的结果求隐变量Z的后验概率；

(5-3)计算EM算法的m步，即用e步得出的结果求模型参数θ即每个工人的能力；

(5-4)循环执行步骤(5-2)和步骤(5-3)，直到每个工人的能力不再变化或者达到最大迭代次数。

3.根据权利要求2所述的一种基于特征的众包标注结果汇聚方法，其特征在于，所述步骤(5-1)中，所述期望Q函数Q(θ，θ^(t))的表达式如下：

Q(θ，θ^(t))＝∑_ZlogP(X，Z|θ)P(Z|X，θ^(t))＝C+∑_i∑_k(∑_jlogP(x_ij|z_i＝c_k，θ))*β_ik

其中x_ij表示工人j对任务i的回答，x_ij同时包含类别和特征的标签数据，对x_ij进行展开：

其中β_ik＝P(z_i＝c_k|x_i，θ^(t))，β_ik表示在已知观测数据x_i的情况下，任务i属于类别c_k的概率，由EM算法的e步计算；C＝∑_i∑_k(-logK)*β_ik。