[论文解读] Human-Assisted Graph Search: It's Okay to Ask Questions

Aditya Parameswaran, Anish Das Sarma+3 more|arXiv (Cornell University)|Mar 16, 2011

Mobile Crowdsensing and Crowdsourcing参考文献 18被引用 16

一句话总结

本文提出了一种用于有向无环图（DAG）中人类辅助图搜索的正式框架，其中全知人类回答可达性查询（'从当前节点是否可以到达目标节点？'）以引导搜索。该框架提出最优算法，在保证找到目标的前提下最小化人类查询次数，并对查询复杂度给出了理论界，具有在亚马逊机械 Turk 等众包平台上的实际应用潜力。

ABSTRACT

We consider the problem of human-assisted graph search: given a directed acyclic graph with some (unknown) target node(s), we consider the problem of finding the target node(s) by asking an omniscient human questions of the form "Is there a target node that is reachable from the current node?". This general problem has applications in many domains that can utilize human intelligence, including curation of hierarchies, debugging workflows, image segmentation and categorization, interactive search and filter synthesis. To our knowledge, this work provides the first formal algorithmic study of the optimization of human computation for this problem. We study various dimensions of the problem space, providing algorithms and complexity results. Our framework and algorithms can be used in the design of an optimizer for crowd-sourcing platforms such as Mechanical Turk.

研究动机与目标

• 将使用人类提供的可达性回答在有向无环图（DAG）中进行人类辅助图搜索的问题形式化。
• 最小化在 DAG 中定位目标节点所需的查询次数。
• 设计高效算法，在人类计算系统中平衡查询成本与搜索完备性。
• 实现在亚马逊机械 Turk 等众包平台上的实际部署，适用于数据整理和工作流调试等应用。

提出的方法

• 该框架将搜索建模为在 DAG 上的过程，每次查询询问从当前节点是否可以到达任意目标节点。
• 采用递归查询策略，根据人类回答剪枝子树，避免冗余探索。
• 利用 DAG 的拓扑排序，以系统化方式探索节点，从而最小化所需的人机交互次数。
• 提出一种查询优化算法，计算定位所有目标所需最少的可达性问题集合。
• 该方法支持单目标和多目标搜索场景，并根据 DAG 的结构自适应调整。
• 提供查询次数的理论界，表明在各种 DAG 配置下具有接近最优的性能。

实验结果

研究问题

• RQ1 在使用人类输入的 DAG 中，识别目标节点所需的最少可达性问题数量是多少？
• RQ2 如何优化查询顺序，以在保证正确性和完备性的前提下减少人力交互？
• RQ3 从查询复杂度的角度来看，人类辅助图搜索的理论极限是什么？
• RQ4 DAG 的结构如何影响人类辅助搜索的效率？
• RQ5 该框架能否适应支持多个目标和动态图更新？

主要发现

• 所提出的算法在最坏情况下达到渐近最优的查询复杂度，与 DAG 中基于可达性的搜索理论下界一致。
• 对于许多实际的 DAG 结构，所需的人类查询次数显著少于朴素遍历方法。
• 该框架通过最小化人力投入并保证目标发现，实现了图搜索任务的高效众包。
• 该方法在大规模图上表现良好，性能依赖于 DAG 拓扑结构，但不会因节点数量增加而迅速退化。
• 该方法对目标位置的不确定性具有鲁棒性，并能以极低开销支持单目标和多目标搜索。