본 논문은 기존 크라우드소싱 진실 추론 방법의 한계를 지적하며, 아이템의 진실 값을 숨겨진 변수로 취급하는 대신, 작업자의 아이템 특징 수준 행동 모델링에 초점을 맞춘 새로운 다중 작업 지도 학습 패러다임을 제시합니다. 이를 위해 혼합 전문가 기반 다중 작업 지도 학습(MMLC) 모델을 제안하고, 오라클 작업자의 투영 벡터를 식별하는 MMLC-owf 및 기존 진실 추론 방법을 향상시키는 MMLC-df 두 가지 진실 추론 전략을 제시합니다. 실험 결과, MMLC-owf가 최첨단 방법들을 능가하고 MMLC-df가 기존 방법들의 성능을 향상시킴을 보여줍니다.
