.png){kind=icon}
返回
Efficient Task Assignment for Multi-Workerset Crowdsourcing with Time and Expense Considerations
.png){kind=icon}
OA
AI
DOI：10.1007/s00778-026-00969-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模高质量众包，例如在线调查和数据标注任务，需求广泛。然而，现有的任务分配技术对结果质量优化的研究仅涉及部分优化空间，未必能反映真实问题。例如，现实中任务分配的合适工人集及工人提交内容在事前并不明确，而现有技术未考虑这一点。因此，本文提出一种任务分配算法，动态探索合适的工人集和工人提交模型，以优化任务分配的质量、时间和成本。具体而言，我们引入CrowdBwO（带优化的众包多臂老虎机）算法，这是一种基于批量多臂老虎机和背包多臂老虎机的新型算法，并融入了工人提交模型。CrowdBwO在不明确的情况下动态确定并利用每个任务的合适工人集和工人提交模型，以实现高性能众包。我们在合成工人和真实工人上进行了大量实验，在两种特定问题设置下评估了CrowdBwO。广泛的实验结果表明，CrowdBwO对真实众包场景具有重要意义，且性能优越。
Keyword:
Crowdsourcing
Task Assignment
Data Management
Multi-Armed Bandits
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
T
IF:
0
论文数:
36
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容