【KDD2019|讲座推荐】优化群体智能：推理、学习和教学：Optimize the Wisdom of the Crowd: Inference, Learning, and Teaching

讲座题目

优化人群智慧：推理、学习和教学：Optimize the Wisdom of the Crowd: Inference, Learning, and Teaching

讲座简介

对标记数据的需求日益增长，使得众包在各种高影响的现实世界应用中蓬勃发展，例如协作知识（例如，数据注释、语言翻译）、集体创造力（例如，类比挖掘、众筹）和反向图灵测试（例如，类似验证码的系统），等。在监督学习的背景下，众包指的是注释过程，其中的数据项外包和处理的一组大多是非熟练的在线工作者。因此，研究者或组织能够以较低的成本在短时间内通过人群的反馈收集大量的信息。 尽管众包服务被广泛采用，但它的一些基本问题仍然没有得到解决，特别是在信息和认知层面，如激励设计、信息聚合和异质学习。本教程旨在：（1）从优化群体智慧的角度，全面回顾在探索众包力量方面的最新进展；（2）在人学习的背景下，识别开放的挑战并洞察未来趋势。我们相信这是计算数据科学中一个新兴的和潜在的高影响力的课题，它将吸引学术界和工业界的研究人员和实践者。 与之前关于众包的教程和研讨会相比，本教程的重点将放在各个方面，包括：（1）解决众包真相推断问题的历史和最新出现的技术（即推断众包项目的基本真相标签）；（2）不完全预言者的主动学习（即回答下一个应标注哪一个预言者，查询哪一个预言者）和多标记者的异质学习（即多任务学习和众包标签的多视角学习）；（3）监督众包工作者以教学的形式学习和标注（即向众包工作者传授一个概念，如标注图像或对文档进行分类）。。

讲座嘉宾

Yao Zhou，目前对数据挖掘和机器学习问题感兴趣。具体地说，研究主题集中在众包、异质学习、机器教学和深入学习的医疗保健。以前的研究主要集中在视频/图像分割、监控视频分析（异常活动检测、行人计数等）。