众包学习研究与应用相关进展

摘要

众包学习为过去在机器学习领域无法解决的各种问题提供了新思路。通过众包系统,可以低成本获得大量众包标记数据,有助于创建预测模型学习的训练集,且众包工人在模型研究阶段可以帮助研究者完成机器难以处理的问题。但众包获得的数据往往是带噪声的,如何进行有效利用是目前的一大挑战。自2008年以来,机器学习领域已经注意到众包的优势,并开发了大量的技术来解决在使用众包学习时的不准确性、随机性的问题。本文总结了近十年来众包学习的技术进展,主要关注众包学习的相关技术研究和有关领域应用。通过研究总结现有方法的优势以及存在的问题,进一步讨论了未来的研究方向。