Semantic Acquisition Games: Harnessing Manpower for Creating Semantics

بسیاری از برنامه‌ها به دستیابی مؤثر فراداده‌های معنایی بستگی دارند، و این جلد پیشرفته، پوشش گسترده‌ای از حوزه بازی‌های اکتساب معنایی (SAGs) ارائه می‌کند.

SAG ها بخشی از خانواده رویکرد جمع سپاری هستند و نویسندگان نقش آن ها را به عنوان ابزاری برای دستیابی به فراداده منابع و مدل های دامنه تحلیل می کنند. سه مطالعه موردی از روش‌های اکتساب معنایی مبتنی بر SAG به همراه سایر SAGهای موجود نشان داده شده است:

1. بازی جستجوی کوچک - یک بازی فرمول‌بندی پرس و جوی جستجو با استفاده از جستجوی منفی، که برای دستیابی به معناشناسی سبک وزن استفاده می‌کند

2. the PexAce - یک بازی با ورق که حاشیه‌نویسی برای تصاویر بدست می‌آورد

3. CityLights - یک SAG که برای اعتبارسنجی فراداده موسیقی استفاده می شود.

نویسندگان همچنین به SAG ها از دیدگاه طراحی خود نگاه می کنند که مسائل طراحی SAG و الگوهای موجود، از جمله چندین الگوی جدید را پوشش می دهد. برای حل مشکلات شروع سرد، یک طرح "مصنوع کمکی" ارائه شده است، و برای مقابله با رفتار بازیکن مخرب، یک طرح تشخیص تقلب پسینی ارائه شده است. این کتاب همچنین روش‌هایی را برای ارزیابی اطلاعات مربوط به تخصص بازیکن ارائه می‌کند که می‌تواند برای موثرتر کردن SAGها از نظر خروجی مفید استفاده شود.

Many applications depend on the effective acquisition of semantic metadata, and this state-of-the-art volume provides extensive coverage of the field of semantics acquisition games (SAGs).

SAGs are a part of the crowdsourcing approach family and the authors analyze their role as tools for acquisition of resource metadata and domain models. Three case studies of SAG-based semantics acquisition methods are shown, along with other existing SAGs:

1. the Little Search Game - a search query formulation game using negative search, serving for acquisition of lightweight semantics

2. the PexAce - a card game acquiring annotations to images

3. the CityLights - a SAG used for validation of music metadata.

The authors also look at the SAGs from their design perspectives covering SAG design issues and existing patterns, including several novel patterns. For solving cold start problems, a “helper artifact” scheme is presented, and for dealing with malicious player behavior, a posteriori cheating detection scheme is given. The book also presents methods for assessing information about player expertise, which can be used to make SAGs more effective in terms of useful output.