权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

CHS: Small: An Optimized Human-Machine Intelligence Framework for Single and Multi-Label Classification Tasks Through Active Learning

CHS：Small：通过主动学习实现单标签和多标签分类任务的优化人机智能框架

基本信息

批准号：
1814595
负责人：
Senjuti Basu Roy
金额：
$ 31.77万
依托单位：
New Jersey Institute of Technology
依托单位国家：
美国
项目类别：
Continuing Grant
财政年份：
2018
资助国家：
美国
起止时间：
2018-09-01 至 2023-02-28
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1814595&HistoricalAwards=false
关键词：
CHS Small Optimized Human Machine

项目摘要

The goal of this project is to develop an optimized human-machine intelligence framework for single and multi-label classification problems through active learning. The focus is on citizen science based cyber-human systems that collect species observation information for ecological applications, but the findings will apply more broadly. It will adapt several existing active learning techniques for single and multi-label classification, but study them in the context of crowdsourcing, especially considering worker-centric optimization. The innovations lie in systematically characterizing variables to model human factors, designing optimization models that appropriately combine system and worker-centric goals, and discovering innovative solutions. The project describes an iterative framework that judiciously employs human workers to collect labels, which, in turn, are used by the supervised machine algorithms to make intelligent predictions. The framework derives its principles by appropriately combining active learning and human factors modeling strategies to judiciously select tasks and workers for single and multi-labels classification problems. The key intellectual contributions are: 1. Novel worker-centric optimization models considering variables pertinent to workers and tasks through human factors modeling. 2. Optimized human-machine intelligence models for single-label classification through active learning. 3. Optimized human-machine intelligence models for multi-labels classification through active learning. 4. Innovative solutions for human factors estimation, task assignment for single and multi-labels tasks. 5. Real world deployment and rigorous evaluation in the citizen science domain. The project is likely to impact multiple disciplines and domain experts, such as the works of naturalists, ecologists, conservation biologists and citizen scientists.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

该项目的目标是通过主动学习为单标签和多标签分类问题开发一个优化的人机智能框架。重点是基于公民科学的网络人类系统，收集物种观测信息用于生态应用，但研究结果将适用于更广泛的领域。它将调整现有的几种主动学习技术用于单标签和多标签分类，但在众包的背景下研究它们，特别是考虑到以工人为中心的优化。创新在于系统地描述变量以模拟人为因素，设计适当结合联合收割机系统和以工人为中心的目标的优化模型，并发现创新的解决方案。该项目描述了一个迭代框架，该框架明智地使用人类工人来收集标签，反过来，这些标签又被监督机器算法用来进行智能预测。该框架通过适当地结合主动学习和人为因素建模策略来合理地选择单标签和多标签分类问题的任务和工人，从而得出其原则。主要的智力贡献是：1。新的以工人为中心的优化模型，通过人为因素建模考虑与工人和任务相关的变量。2.通过主动学习优化单标签分类的人机智能模型。3.通过主动学习优化多标签分类的人机智能模型。4.创新的解决方案，用于人为因素估计，单标签和多标签任务的任务分配。5.在公民科学领域的真实的世界部署和严格的评估。该项目可能会影响多个学科和领域的专家，如自然学家，生态学家，保护生物学家和公民科学家的作品。该奖项反映了NSF的法定使命，并已被认为是值得通过使用基金会的智力价值和更广泛的影响审查标准进行评估的支持。

项目成果

期刊论文数量（20）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Accepted Tutorials at The Web Conference 2022

2022 年网络会议上接受的教程

DOI：
10.1145/3487553.3547182
发表时间：
2022
期刊：
TWC 2022
影响因子：
0
作者：
Tommasini, Riccardo;Basu Roy, Senjuti;Wang, Xuan;Wang, Hongwei;Ji, Heng;Han, Jiawei;Nakov, Preslav;Da San Martino, Giovanni;Alam, Firoj;Schedl, Markus
通讯作者：
Schedl, Markus

Task Deployment Recommendation with Worker Availability

具有工作人员可用性的任务部署建议

DOI：
10.1109/icde48307.2020.00175
发表时间：
2020
期刊：
ICDE
影响因子：
0
作者：
Wei, Dong;Roy, Senjuti Basu;Amer-Yahia, Sihem
通讯作者：
Amer-Yahia, Sihem

Explicit Preference Elicitation for Task Completion Time

DOI：
10.1145/3269206.3271667
发表时间：
2018-10
期刊：
Proceedings of the 27th ACM International Conference on Information and Knowledge Management
影响因子：
0
作者：
M. Esfandiari;Senjuti Basu Roy;S. Amer-Yahia
通讯作者：
M. Esfandiari;Senjuti Basu Roy;S. Amer-Yahia

Guided Task Planning Under Complex Constraints

DOI：
10.1109/icde53745.2022.00067
发表时间：
2022-05
期刊：
2022 IEEE 38th International Conference on Data Engineering (ICDE)
影响因子：
0
作者：
Sepideh Nikookar;Paras Sakharkar;Baljinder Smagh;S. Amer-Yahia;Senjuti Basu Roy
通讯作者：
Sepideh Nikookar;Paras Sakharkar;Baljinder Smagh;S. Amer-Yahia;Senjuti Basu Roy

Optimizing Peer Learning in Online Groups with Affinities

DOI：
10.1145/3292500.3330945
发表时间：
2019-07
期刊：
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
影响因子：
0
作者：
M. Esfandiari;Dong Wei;S. Amer-Yahia;Senjuti Basu Roy
通讯作者：
M. Esfandiari;Dong Wei;S. Amer-Yahia;Senjuti Basu Roy

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Senjuti Basu Roy其他文献

Pathway-Finder: An Interactive Recommender System for Supporting Personalized Care Pathways

Pathway-Finder：支持个性化护理路径的交互式推荐系统

DOI：
10.1109/icdmw.2014.37
发表时间：
2014
期刊：
2014 IEEE International Conference on Data Mining Workshop
影响因子：
0
作者：
R. Liu;R. Srinivasan;K. Zolfaghar;Si;Senjuti Basu Roy;Aftab Hasan;David Hazel
通讯作者：
David Hazel

TRANS: Top-k Implementation Techniques of Minimum Effort Driven Faceted Search For Databases

TRANS：最小努力驱动的数据库分面搜索的 Top-k 实现技术

DOI：
发表时间：
2009
期刊：
International Conference on Management of Data
影响因子：
0
作者：
Senjuti Basu Roy;Gautam Das
通讯作者：
Gautam Das

A holistic and principled approach for the empty-answer problem

解决空答案问题的整体和原则性方法

DOI：
发表时间：
2016
期刊：
The VLDB journal
影响因子：
0
作者：
D. Mottin;Alice Marascu;Senjuti Basu Roy;Gautam Das;Themis Palpanas;Yannis Velegrakis
通讯作者：
Yannis Velegrakis

Human Factors Modeling in Crowdsourcing

众包中的人为因素建模

DOI：
发表时间：
2018
期刊：
Encyclopedia of Database Systems
影响因子：
0
作者：
S. Amer;Senjuti Basu Roy;Gautam Das;Ioanna Lykourentzou;Habibur Rahman;Saravanan Thirumuruganathan
通讯作者：
Saravanan Thirumuruganathan