面向公共平台用户参与多任务贝叶斯网络模型及分类方法

本发明涉及公共科学平台的图像分类与用户参数度估计技术领域，质量控制机制筛除不可靠的标注易受到随机点击的干扰，且用户参与度量化与分析方面存在显著缺陷，本发明提供一种面向公共平台用户参与多任务贝叶斯网络模型及分类方法通过集成贝叶斯神经网络及大规模预训练视觉模型，提升众包标注任务的数据质量及分类精度，实时评估用户参与度，并优化数据分配策略，兼顾分类花费时间、点击模式和标注一致性形成反馈循环，同时提高个人用户表现和整体数据质量，通过结合用户参与度得分与分类不确定性，有效过滤不可靠标注，显著提升众包数据的整体质量，增强科学研究的可靠性及用户行为分析能力。