Resumen

Los modelos de recomendación basados en aprendizaje supervisado, cuyas infraestructuras cuentan con suficientes muestras de entrenamiento de alta calidad, han sido ampliamente aplicados en muchos ámbitos. En la era del big data con el crecimiento explosivo del volumen de datos, las muestras de entrenamiento deben ser etiquetadas de manera oportuna y precisa para garantizar el excelente rendimiento de recomendación de los modelos basados en aprendizaje supervisado. La anotación automática no puede completar las tareas de etiquetado de muestras de entrenamiento con alta calidad debido a la limitada inteligencia de las máquinas. Aunque la anotación de expertos puede lograr una alta precisión, requiere mucho tiempo y más recursos. Como una nueva forma de inteligencia humana para participar en la computación automática, la anotación de crowdsourcing compensa las deficiencias de la anotación automática y la anotación de expertos. Por lo tanto, en este documento, utilizamos la anotación de crowdsourcing para etiquetar muestras de entrenamiento. En primer lugar, se diseña un me

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Aprendizaje supervisado; Modelos de recomendación; Muestras de entrenamiento; Anotación por crowdsourcing; Algoritmos de inferencia de verdad de referencia; Anotación automática de máquinas
• Keywords:Supervised learning; Recommendation models; Training samples; Crowdsourcing annotation; Ground truth inference algorithms; Machine annotation