公开(公告)号：CN117933359A

公开(公告)日：2024-04-26

申请号：CN202311593196.5

申请日：2023-11-27

Applicant: 浙江工商大学

Inventor： 韩焘 ,  石怀旋 ,  方毅立 ,  丁鑫怡 ,  古华茂

IPC: G06N3/096 ,  G06N3/084 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N5/04 ,  G06F18/214 ,  G06Q10/0631 ,  G06Q10/101

Abstract: 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。