设G = (V,E)
为有向无环图(DAG)。 V
是顶点集,而E
是边集。
现在,根据众包范例,假设G
被人群中的一些注释者破坏了:
e
E
e
注释器i
的工作结果是一个图形,其顶点集V
与原始顶点相同,其边集Ei
可能与原始集不同一。如果n
是注释者的数量,我们会提出n
个不同的图表,这些图表具有相同的顶点集V
,但是有一组不同的边E
。让G1 = (V,E1), ..., Gn = (V,En)
成为一组图表。
我想知道是否有一种合并这些图的方法,以便在{{1}中的两个顶点e
之间找到每个可能边v1,v2
的存在/不存在的共识。 }}。此操作的目的是融合每个注释器关于图V
中边缘集E
的构造的意见。最终的图表必须是DAG。
答案 0 :(得分:1)
让...
U
是所有Ei
套件加上原始套件E
的独特联合T
是一些任意的阈值H(x)
是一些启发式功能F
是边缘的最终共识伪代码:
for each Edge e in U
if H(e) >= T then F.Add(e)
当然,问题是如何定义启发式函数。一种天真的方法将基于投票设定。计算包含边缘的E
集合的数量,如果有足够多的人同意它在图表中,请包括它。这是一个简单而有效的实现功能。这种启发式方法的一些弱点是它无法检测和补偿不良注释器或小群体。
答案 1 :(得分:1)
对于每个边缘计数包含它的图形数量。如果它大于某个阈值,则假设它是原始边缘。
如果某些操作存在偏差,您可能会遇到一些问题。也就是说,每个用户都不会随机选择特定的边缘来进行操作。