Variational Inference for Crowdsourcing

基本思想：使用概率图模型刻画众包模型，使用EM 以及 变分推断求解

基本设定： 每个工人使用其精度q_j 表示，以及每个样本的标记 z_i 作为隐标记

回顾 KOS：

此处的 message 是值

 

整体联合分布为：

其中 L 为显变量，为标记矩阵； 使用的是one-coin model

解决的困难在于 q_j 是连续的，z_i 是离散的

解决方法：

传播规律： 

此处的 message 是向量 （需要搞清楚什么时候用 连乘 什么时候用连加）

 不同的 $ \Phi_j $ 函数的设置将推导出不同的结果

Haldane Prior + logit 即可推出 KOS

Discrete Prior + logit 即可推出 MV

其中logit 是将向量转换为数值的方法