申请/专利权人：浙江工商大学

申请日：2023-11-27

公开（公告）日：2024-04-26

公开（公告）号：CN117933359A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/084;G06N3/045;G06N3/0442;G06N3/0464;G06N5/04;G06F18/214;G06Q10/0631;G06Q10/101

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于多任务学习的众包真值推理增强方法、设备及存储介质。本发明不需要其它的方法来汇聚任务的真值在用于训练深度学习模型，而是直接利用工人对任务的回答与任务的特征。基于不同的工人对任务的认知不同，为每个工人刻画一个专属的门控网络模块，从而可以对不同的任务进行选择。该方法直接将众包弱监督的范式改为多任务学习的监督学习范式，充分利用了任务特征和工人的能力建立深度学习模型，通过深度学习对每个工人对样本特征的认知行为进行学习。在学习模型的基础上进行工人回答矩阵的填充，能够有效的实现众包数据的增强。

主权项：1.一种基于多任务学习的众包真值推理增强方法，其特征在于，包含以下步骤：（1）任务发布者在众包平台上发布任务，平台将任务分配给工人进行标注；（2）根据任务的特征选择相应的模型进行任务特征的抽取，将抽取的任务特征与任务、工人的唯一标识交给专家模块学习；（3）使用工人编号作为工人的唯一标识，并交给门控网络模块学习每个工人对专家模块的选择权重；（4）将步骤（2）的输出结果与步骤（3）的输出权重进行加权，并交给输出模块输出工人对任务的标注，并根据步骤（1）工人对任务的标注结果计算损失来训练模型；（5）使用训练好的模型来填充工人的回答矩阵，并使用真值推理算法推理出任务的真值。

全文数据：

权利要求：

百度查询： 浙江工商大学 一种基于多任务学习的众包真值推理增强方法、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD