我想从网站用户那里收集某种地理信息 - 对于给定的数据集，他们将标记复选框，指示该地点是否有给定财产。是否有任何工具/框架可以根据整个收集的数据集（以及可能的其他信息）检测欺诈或垃圾邮件提交？我想获得过滤后的更可靠的数据。
问问题
336 次
1 回答
2
不确定这是否正是您所要求的，但这里有一些来自我使用 Amazon Turk 的经验的提示：
有几篇学术论文涉及这些问题。这是一个很好的。此外，基于以下一般性建议，我创建了一个自定义过程来处理我的数据：
一种。包括一个未解决的问题，并过滤掉没有回答的案例。自动回答这样的问题更难，而且对欺诈者来说也可能更耗时，因此吸引力更小。
湾。如果可能，不要使用二进制刻度（即复选框），而是使用某个等级（例如 1-4 或 1-6）。这将为您提供更多可使用的数据。
C。如果可能的话，过滤掉填写表格所花费的时间太短的情况。（如果您包含该未解决的问题，则特别有用）
d。如果每个用户有多个输入，请检查重复的答案，以及始终给出远离平均答案的用户。如果每个用户只提交一个“表单”，请考虑在其中放置多个元素/问题，这样每个用户都会收到多个提交。
e. 如果每个用户或用户 ID 只有一次提交，则您的选择会受到更多限制。如果您有足够的数据，我可以建议过滤掉异常值（例如，数据点与平均值相差 3 个标准差）。
F。在所有过滤之后，检查数据中的一致性或不一致性（例如，检查数据点中有多少比例落在平均值的 x 标准差内）。如果有一致意见，则使用平均值；如果有分歧，请收集更多数据。
希望能帮助到你，
于 2011-08-29T16:55:50.940 回答