基于2-TUPLE MADM的众包平台辅助决策设计框架

随着亚马逊Mechanical Turk和Innocentive等众包平台的增长,劳动力和知识的获取和利用较以前更容易。然而,许多众包平台网站都面临着如何使任务发布者和提供者能够长时间地停留在网站中参与任务,以保持众包平台网站可持续性发展的问题。为解决这一问题,本文利用经典的基于二元语义的多属性决策方法(2-TUPLE Multiple Attribute Decision Method),为众包平台网站构建一个辅助决策模块。该模块的使用,一方面可以帮助提高任务发布者决策的科学性,另一方面为提供者给予适当的信息反馈。通过此种方式,可以提高任务发布者和提供者对于众包平台网站的满意度,从而维持众包平台网站的可持续发展。基于二元语义的多属性决策方法在众包平台中的应用将会对众包平台中的所有组成单元带来利益。     

考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

不同风险偏好下两类众包机制最优决策

研究固定悬赏金额的众包任务中,在发布者最大化任务总质量和最高质量两类目标机制下,解答者风险偏好对发布者获得质量和解答者期望效用的影响。首先,用完全支付拍卖模型求解不同风险偏好下,解答者期望效用和发布者获得质量。其次,运用Stackelberg博弈的方法对两种目标机制的最优决策进行求解及比较分析,发现在两类目标机制中均有:解答者期望效用随解答者人数(风险偏好)的增加而减少(增加),发布者获得的解答质量随解答者人数(风险偏好)的增加而增加;但当解答者数量无穷大时,两者均趋于定值。然后,使用Taskcn.com网站数据对模型的推论进行检验,除推论5、推论6被部分支持外,其他推论均获得显著支持。最后,拓展研究表明随着参与经验的积累,解答者的风险偏好显著变小。     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.     

双智能体协作学习的众包物流任务分配模型

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.     

基于文本挖掘的众包人才能力分析北大核心CSSCI

由于众包模式中存在人才盲目参与任务竞争的问题,故需要分析众包环境下人才所需要具备的能力。同时,众包平台上出现很多人才之间进行经验交流的网上社区,面对海量的人才众包经验数据,急需通过有效的方法来获取众包人才能力。针对网上众包社区中的经验沟通交流信息,通过文本挖掘技术来分析众包人才的能力。为了从众包人才交流社区的非结构化文本中识别出能力特征,基于文本聚类的主题识别方法,将人才交流文本内的句子按其不同主题进行聚类,每一个结果簇表示某一种能力特征,采用基于关键词的聚类结果表示方法来解析每一个簇。通过对聚类结果的分析,分别确定了众包人才能力的5个方面:学习与创新能力、服务意识、在线社交能力、成就导向和竞争意识。通过实验检验了所提出方法的有效性。最后,分别分析了程序开发人才和标志设计人才的能力差异化原因。     

基于文本挖掘的众包人才能力分析

由于众包模式中存在人才盲目参与任务竞争的问题,故需要分析众包环境下人才所需要具备的能力。同时,众包平台上出现很多人才之间进行经验交流的网上社区,面对海量的人才众包经验数据,急需通过有效的方法来获取众包人才能力。针对网上众包社区中的经验沟通交流信息,通过文本挖掘技术来分析众包人才的能力。为了从众包人才交流社区的非结构化文本中识别出能力特征,基于文本聚类的主题识别方法,将人才交流文本内的句子按其不同主题进行聚类,每一个结果簇表示某一种能力特征,采用基于关键词的聚类结果表示方法来解析每一个簇。通过对聚类结果的分析,分别确定了众包人才能力的5个方面:学习与创新能力、服务意识、在线社交能力、成就导向和竞争意识。通过实验检验了所提出方法的有效性。最后,分别分析了程序开发人才和标志设计人才的能力差异化原因。     

基于轮廓泛化的位置隐私保护模型及方法

移动用户在连续位置服务过程中会产生大量的相关位置,攻击者可通过用户轮廓将其关联成位置轨迹。由于位置轨迹含有更多时空相关信息,使得攻击者更易获取用户个人隐私。针对这种情况,通过二分图刻画描述了轮廓和位置之间的关联关系,并基于该关联关系建立了Lθk隐私保护模型以及可抵抗轮廓关联攻击的假位置生成方法。该方法为每个服务位置生成轮廓信息相似的虚假位置,模糊了轮廓与真实位置之间的关联关系,保护了用户在导航或最近邻查询过程中的位置隐私。最后,性能分析及实验验证进一步证实,所提方法可提供较高的隐私保护级别和较好的算法执行效率。     

基于微分博弈的网络众包违约风险控制机制研究

本文以平台和参与者(雇主和服务商)组成的网络众包系统为研究对象,基于微分博弈理论构建了众包交易过程中平台的违约监管行为和参与者的违约控制行为的博弈模型,研究了双方在独立决策情形、平台激励下的Stackelberg博弈情形和双方一致决策情形下的不同博弈策略.研究表明,当满足一定条件时,从众包平台和参与者的独立决策情形到众包平台激励下的Stackelberg博弈情形,再到双方一致决策情形,平台和参与者的收益以及众包系统的总体收益都呈增加趋势.众包平台可以通过设计激励机制和监管机制影响双方收益率来降低参与者的违约风险,合理选择最优的策略行为,实现帕累托改进.另外,本文基于猪八戒等网络众包平台的调查分析进行了参数设置,通过数值分析验证了所构建的理论模型.     

增强现实中的自适应K值位置隐私保护仿真研究

无线通信和增强现实技术快速发展的同时,促进了基于位置服务的应用范围扩大,给人们的生活提供了极大的便捷。由于基于位置服务可随时随地可以获取用户的位置信息,用户的位置隐私安全也受到了极大的威胁。如何确保基于位置服务中数据的安全性,成为该项技术推广应用的关键问题。分析了基于位置服务中现有的位置隐私保护方法的优点和缺陷,针对不同的隐私等级提出自适应K值位置隐私保护方法,该方法联合使用K-匿名法和假名法,由受信任的第三方作为位置隐私保护的架构,而K值根据隐私等级自适应变化,从而有效地保护了用户的位置隐私。     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

基于动态面的自适应模糊输出反馈控制

针对一类具有未知死区和控制方向的非线性系统,基于I型模糊系统的逼近能力,提出了一种稳定自适应模糊输出反馈控制方案。该方案将动态面技术和输出反馈控制相结合,避免了过参数化问题,从而无需引入调节函数。通过理论分析证明了闭环控制系统所有信号半全局一致终结有界;且选取适当的设计常数,跟踪误差可收敛到一个小的邻域内。仿真结果表明了该方案的有效性。     

ANFIS在车辆导航系统信息融合中应用的仿真研究

采用了一种分层级联的信息融合结构,对车辆导航系统中应用不同导航定位技术得到的定位信息进行融合。决策级融合采用基于零阶Sugeno模糊模型的ANFIS(adaptive-network-basedfuzzyinterferencesystem),根据性能指标调节最终的位置估计值中不同位置信息的权重。仿真研究的结果表明将ANFIS应用于车辆导航系统信息融合能充分利用导航信息,提高定位精度,说明文中采用的方法是可行的有效的。     

物联网移动RFID系统隐私保护方案

为了解决标签携带者和阅读器持有者被恶意追踪与监视以及隐私信息泄漏等问题,设计了物联网移动RFID系统隐私保护方案.该方案采用RFID隐私管理服务系统,在标签与阅读器之间根据标签隐私等级实现单向认证或双向认证,在阅读器与信息服务系统之间采用基于模糊身份加密算法实现匿名访问控制.安全性及效能分析表明,此方案不仅增强了标签携带者的隐私保护,还保护了阅读器持有者的身份隐私,且具有一定的效能优势.     

直接鲁棒自适应模糊控制

针对一类不确定非线性系统 ,基于监督控制方案并利用第二类模糊系统的逼近能力 ,提出了一种直接鲁棒自适应模糊控制器设计的新方案。该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件。理论分析证明了闭环控制系统是全局稳定的 ,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

How to Bid Success in Crowdsourcing Contest?——Evidence from the Translation Tasks of Tripadvisor

Material incentive is the main motivation for solvers to attend crowdsourcing tasks. So raising the bidding success rate is benefit to inspire the solvers attendance' and increase the answering quality. This paper analyzes the effect of participation experience, task-fit capability, participation strategy and task attribute on the solvers bidding success by the solvers attending the series tasks of Tripadvisor. The results show that: 1) Participation times enrich the participation experiences and promote the bidding success, while bidding success times and last performances lower the bidding success because of the cognitive fixation; 2) The chance of bidding success will be increase when the solver own high task-fit capability; 3) The relationship between task submit sequence and bidding success is the type of reverse U shape, and the optimal submit sequence rate on the top of the reverse U shape; 4) Higher task difficulty lower bidding success, while higher task density easier bidding success.     

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。     

基于神经网络的直觉模糊推理方法

模糊推理是不确定性推理领域的一种很重要的方法.直觉模糊推理基于Atanassov直觉模糊逻辑,具有灵活性、合理性和可信性的优点,但并没有克服推理结果依赖于蕴涵关系的选取及有时不能满足推理一致性要求的缺点.通过理论推导,提出基于神经网络的直觉模糊推理方法,证明了该方法在正规直觉模糊集上满足推理的一致性.通过算例分析,验证了该方法的合理性.