Incentivize Multi-Class Crowd Labeling Under Budget Constraint
Incentivize Multi-Class Crowd Labeling Under Budget Constraint
复制标题
在预算约束下激励多类别人群标签
DOI：
10.1109/jsac.2017.2680838
复制
发表时间：
2017-03
影响因子：
16.4
通讯作者：
Xu Jun
中科院分区：
文献类型：
--
作者：
Gan Xiaoying;Wang Xiong;Niu Wenhao;Hang Gai;Tian Xiaohua;Wang Xinbing;Xu Jun
众包系统通过互联网将任务分配给一群工作人员，这已经成为图像分类、光学字符识别和校对等人力问题解决的有效范例。在本文中，我们关注于激励群体工作者在严格的预算约束下标记一组多类标记任务。在众包系统中，我们恰当地描述了任务的难度水平和工人的质量，其中收集的标签使用顺序贝叶斯方法进行聚集。为了刺激工作人员承担人群标签任务，工作人员与平台之间的互动被建模为反向拍卖。我们发现，平台效用最大化可能是一个棘手的问题，为此，建立了一种确定中标和付款的激励机制，其计算复杂度为多项式时间。此外，我们从理论上证明了我们的机制是真实的、个体理性的、预算可行的。通过大量的仿真实验，我们证明了该机制能够有效地利用预算，以多项式的计算复杂度获得较高的平台利用率。
Crowdsourcing systems allocate tasks to a group of workers over the Internet, which have become an effective paradigm for human-powered problem solving, such as image classification, optical character recognition, and proofreading. In this paper, we focus on incentivizing crowd workers to label a set of multi-class labeling tasks under strict budget constraint. We properly profile the tasks’ difficulty levels and workers’ quality in crowdsourcing systems, where the collected labels are aggregated with sequential Bayesian approach. To stimulate workers to undertake crowd labeling tasks, the interaction between workers and the platform is modeled as a reverse auction. We reveal that the platform utility maximization could be intractable, for which an incentive mechanism that determines the winning bid and payments with polynomial-time computation complexity is developed. Moreover, we theoretically prove that our mechanism is truthful, individually rational, and budget feasible. Through extensive simulations, we demonstrate that our mechanism utilizes budget efficiently to achieve high platform utility with polynomial computation complexity.
登录
查看更多内容
影响因子：
1.7
作者：
MYERSON, RB
通讯作者：
MYERSON, RB
DOI：
--
发表时间：
2011-12
期刊：
--
影响因子：
--
作者：
David R Karger;Sewoong Oh;Devavrat Shah
通讯作者：
David R Karger;Sewoong Oh;Devavrat Shah
DOI：
--
发表时间：
2013-06
期刊：
--
影响因子：
--
作者：
X. Chen;Qihang Lin;Dengyong Zhou
通讯作者：
X. Chen;Qihang Lin;Dengyong Zhou
认知无线电网络中的合作频谱共享：分布式匹配方法
影响因子：
8.3
作者：
Yang, Feng;Tian, Xiaohua;Wang, Xinbing;Guizani, Mohsen
通讯作者：
Guizani, Mohsen
DOI：
10.1109/focs.2010.78
发表时间：
2010-02
期刊：
2010 IEEE 51st Annual Symposium on Foundations of Computer Science
影响因子：
--
作者：
Yaron Singer
通讯作者：
Yaron Singer