Modélisation de l’imprécision et de l’incertitude de données dans les plateformes de crowdsourcing - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Mémoires D'étudiants -- Hal-Inria+ Année : 2018

Modélisation de l’imprécision et de l’incertitude de données dans les plateformes de crowdsourcing

Résumé

Le crowdsourcing consiste à l’externalisation de tâches à une foule de contributeurs rémunérés pour les effectuer. Il permet aux entreprises d’obtenir rapidement des résultats à bas coût. La foule, généralement très diversifiée, peut inclure des contributeurs non-qualifiés pour la tâche et/ou non-sérieux. Une bonne modélisation des réponses et de l’expertise des contributeurs est nécessaire pour exploiter au mieux les données issues des plateformes de crowdsourcing. Différentes méthodes existent à l’heure actuelle pour modéliser les données et/ou le comportement du contributeur : utilisation d’un corpus de référence, apprentissage automatique, méthode par vote majoritaire ou probabilistes. Néanmoins, ces méthodes ont leurs limites, nous nous intéressons dans ce rapport à l’utilisation des fonctions de croyances plus pertinente à notre sens. Nous présentons ici une nouvelle méthode de modélisation des réponses et de l’expertise du contributeur dans les plateformes de crowdsourcing se fondant sur la théorie des fonctions de croyance.
Fichier principal
Vignette du fichier
RapportPFE_Thierry.pdf (1.57 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03610558 , version 1 (22-03-2022)

Identifiants

  • HAL Id : hal-03610558 , version 1

Citer

Constance Thierry. Modélisation de l’imprécision et de l’incertitude de données dans les plateformes de crowdsourcing. Informatique [cs]. 2018. ⟨hal-03610558⟩
18 Consultations
79 Téléchargements

Partager

Gmail Facebook X LinkedIn More