众包竞赛中众包方的反馈策略

在众包竞赛中,众包方可以选择在竞赛过程中对于参赛者的表现给予反馈或者不给予反馈,还可以选择在竞赛开始前声明或者隐瞒自己的反馈策略。通过研究发现,反馈策略的优劣与众包方的收益类型相关,当众包方的收益等于所有参赛者的努力总和时,无反馈策略和事先声明的有反馈策略效果相同,而事先隐瞒的有反馈策略最优;当众包方的收益等于参赛者的最大努力水平时,无反馈策略最劣,而事先声明和事先隐瞒的有反馈策略都有可能占优,最优策略由参赛者人数、参赛者能力分布及收到反馈的人数所决定。     

考虑解答者公平关切的众包竞赛知识共享激励

研究了解答者之间的横向公平关切特征对众包竞赛发包方知识共享激励的影响。在构建公平关切下解答者效用函数的基础上,建立并求解了无知识共享激励模型(NKS)和知识共享激励模型(KS),用理论分析和数值仿真方法研究了公平关切敏感度对发包方最优知识共享激励程度、解答者最优私有解答努力程度及知识共享努力程度、众包项目绩效以及双方期望经济收益的影响,并与无知识共享激励进行了对比。研究表明：解答者公平关切心理能降低实施共享知识激励机制的门槛,并提升发包方最优知识共享激励程度;解答方知识共享努力与公平关切正相关,但私有解答努力与之负相关;众包项目绩效、发包方绝对经济收益与公平关切的关系取决于解答努力绩效转化率和知识共享努力绩效转化率之间的比值;知识共享激励机制能实现发包方和解答者双方经济利益的共赢,且其经济价值随公平关切敏感度增大而提高,并受到参赛人数的调节作用。     

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.     

考虑大众活跃度的众包配送违规行为控制微分博弈研究

针对如何通过控制参与主体违规行为以防范配送过程中违规风险的问题.考虑大众活跃度分别构建了在集中式决策、分散式决策以及具有成本分担的分散式决策下的最优控制问题微分博弈模型,分析了三种情形下参与主体控制违规行为的努力水平和众包系统整体收益变化的趋势,探讨了大众活跃度、奖惩因子和分担比例等因素对参与主体控制违规行为努力水平的影响.结果表明:从分散式决策到具有成本分担的分散式决策,再到集中式决策,控制违规行为努力水平和整体收益呈递增趋势;众包平台可以通过调整奖惩因子和成本分担比例来影响大众活跃度,当活跃度在区间[0.8,1]时,分散式决策下,各参与主体控制违规行为的努力水平,接近集中决策下的控制违规行为的努力水平,违规行为数量波动趋于平缓,促使众包物流的收益整体增长.     

互联网平台下基于众包的供应链订货策略

众包供应链(CSC)作为一种以“互联网+”为背景的新型供应链,正成为当今研究的热点。基于互联网平台,将众包设计环节嵌入到供应链中,建立了整个众包供应链多周期基本订货模型。在此基础上,考虑到互联网众包平台具有开放式的多频快速交付设计的特征,引入资金周转时间价值影响因子,将多周期模型扩展到基于快速周转的时间价值模型,并对模型进行了分析;考虑到众包供应链实施和落地的前提条件,进一步探讨众包供应链制造商对众包设计产品的生产规模和零售商风险规避的影响,提出了基于风险厌恶的最小生产批量的供应链订货策略,并对该策略进行了优化和对比分析,得出在互联网平台下基于众包设计的各个模型策略最优订货量,以及对制造商和零售商有效协调的实施条件。通过多重激励契约设计,实现了互联网平台下对众包设计者、制造商和零售商之间多重协调,使得众包供应链达到Pareto最优。最后,通过算例对模型和策略对比分析和敏感性分析,进一步证实了该新型策略的可行性和实用价值。     

基于众包虚拟社区的诚信保障和信誉评价机制研究

成员间的相互信任是众包虚拟社区持续稳定发展的重要保证. 本文首先分析了各成员参与众包虚拟社区的动机,发现利益冲突会引起成员间欺诈现象的出现; 然后运用长期利益大于短期收益的机理,在惩罚机制模型的基础上,增加了道德风险因素,运用博弈理论分别建立了诚信保障机制和信誉评价机制模型,以达到约束单方或双方欺诈行为,保障良好交易环境的目的; 最后,比较了两种机制对众包虚拟社区成员各方收益的影响,结果表明: 当解答者的努力水平确定时,解答者在诚信保障机制下的收益总是大于信誉评价机制下的收益,当申诉费用过高时,解答者在信誉评价机制下的收益总是大于诚信保障机制下的收益. 并通过猪八戒网的案例分析,说明模型的有效性.     

生鲜电商众筹预售与众包生产联合决策

顺应消费者参与消费体验追求产品质量安全保障,论文构建了社区化消费者与组织化生产者通过电商平台进行点对点的生鲜农产品供应链纵向一体化众筹预售与众包生产联合决策模型及机制.研究表明,与过去分散决策相比,联合决策对扩大网购需求,提高供应链收益有显著协同效应,而决策机制可确保参与者的利益诉求在联合决策中公平表达.研究成果对促进我国生鲜农产品以销定产,消费者参与质量安全监督和农产品流通"最初一公里"与"最后一公里"问题解决及生鲜电商发展有参考价值.     

众包模式中面向创新任务的知识型人才选择

网络众包作为企业开放式创新的一种崭新模式,近年来得到迅速发展,然而,信用体系不健全、过度竞争等问题成为制约其快速发展的瓶颈。为此,建立了面向众包任务的知识型人才选择机制,构建了知识型人才指标评价体系,采用基于TOPSIS的多指标决策算法,对人才的任务完成能力进行有效的评估,从而为企业选择适合的人才提供支持。这样既增强企业参与众包的意愿,同时有效避免了人才的过度竞争,减少人力资源浪费,保障了众包这种开放式创新模式得以持续健康发展。     

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。     

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.     

众包IT服务提供商评价体系构建

IT众包是IT外包在电子商务环境下的新的表现形式,建立合适的IT服务提供商评价体系是IT众包市场健康发展的必然要求。基于中国众包市场猪八戒网站中的用户评论数据和IT外包相关文献,使用理论分析和实证研究相结合的方式,提取了与IT服务提供商实力相关的若干因素,在指出平台原始评价体系的不合理之处并的同时,构建了新的评价体系。利用本文构建的评价体系,分析各类店铺在新评价体系各指标下的表现,并为其运营提出合理的建议。综合使用的理论与实证研究的方法构建评价体系,对挖掘互联网用户评论商业价值具有探索性意义。同时,研究中构建的评价体系对于完善我国众包市场功能、提升IT服务提供商运营水平具有重要意义。     

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.     

IT众包服务商的信息披露与市场集中度

IT众包市场是互联网化的IT外包市场.以众包网站IT服务中4个细分市场的IT众包服务提供商的数据为样本,运用帕累托曲线和面板数据分析检验了互联网的信息披露对IT众包市场集中度的影响,以及在线声誉和在线自我展示对于IT众包市场集中度的交互效应.研究结果表明:IT众包市场在互联网的信息披露机制下存在着"明星效应",这对于整...     

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.     

支持工作者位置隐私保护的众包质量控制模型

新兴的基于位置众包,为了任务质量控制,要求工作者提交任务结果时向发布者公开位置信息.大量位置隐私的暴露,会增大工作者遭受攻击的风险.本文针对众包系统,提出基于空间和时间维度的模糊化方法,明显增加攻击者所获信息的不确定性,从而达到保护工作者位置隐私的目的.通过理论分析及实验测试,证明模糊化方法不会造成发布者质量控制能力的显著下降.实验结果表明:1)任务完成质量普遍较高时,不需要工作者位置信息,发布者也能够控制众包质量;2)工作者误差率较高、Spammer较多时,工作者位置信息有助于质量控制,而且对位置的隐私保护不会削弱众包质量控制能力.     

基于众包的产品价值共创模式选择与补偿机制设计

考虑到众包中的用户努力发生转移,构建了三种模式(无共创模式,无专家模式和有专家模式),以研究企业的最优模式.进一步设计了企业对共同创造用户努力进行补偿的机制以实现利润和用户剩余的帕累托改进,并探索了补偿下的模式选择.结果表明,当潜在用户数量足够多时,企业选择无共创模式.无论企业是否提供努力补偿,当潜在用户较少时,若用户之间努力的转移程度也较小,则企业选择有专家模式,反之,企业选择无专家模式.企业分担一部分共创用户的努力成本能实现企业利润和用户剩余的优化.最后,通过数值仿真验证了结论的有效性.     

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。     

基于异质能力的分类与混同锦标竞赛比较研究

比较研究了考虑能力异质特征的分类和混同锦标竞赛.通过建立博弈模型分别描述在高能力者之间的分类竞赛、低能力者之间的分类竞赛以及高能力者和低能力者之间的混同竞赛,求解得到奖励强度和保障强度两种因子,参赛者的努力水平和期望收益,以及委托人的期望利润等.研究发现:应该根据参与者的能力状况制定和调整锦标竞赛的奖励强度和保障强度;高能力者更希望参与混同竞赛去与低能力者竞赛,因为可以获得更高收益;低能力者并不关心竞争对手的能力高低,因为都只能获得保留收益;与混同竞赛相比,委托人通过分类竞赛可以得到更高期望利润.在企事业单位薪资晋级和体育竞技比赛等不同领域的应用表明,这些研究是基础性的因而可以广泛应用.     

预付款众筹模式下新产品定价与质量设计

近几年预付款众筹在国内外发展迅速,但从生产运营角度研究的学术成果还相对缺乏.本文综合考虑新产品的众筹和销售(如果众筹成功)两个阶段,根据参与者预支付或购买选择的不同存在两种可能的市场均衡,据此,发起者可以制定两种定价策略.对比研究发现,当高估值顾客比例较低时,发起者会制定较低的众筹价格和较高的销售价格,反之,则应当制定比销售价格更高的众筹价格;而且,高估值顾客比例升高不一定会给发起者带来更多利润,只有当高估值顾客比例足够高时发起者才可能通过提高众筹价格来获得更多的收益.最后,本文拓展研究了当发起者考虑产品质量设计时所应采取的策略.研究发现,只有当高估值顾客比例较高时,发起者才有动力提高新产品质量设计;并且随着高估值顾客比例越来越高,发起者会不断提高新产品质量从而增加利润,如此可以实现双赢.     

风险型多任务众包项目任务分配模型及应用

现有众包项目任务分配研究主要集中于单一任务以重复分配策略获取较高质量,问题相对简单。现实中项目任务需要进一步分解以降低其复杂性,再将分解后较简单的项目子任务发包给能力较强的众包者,并需要站在整个任务网络角度建立起优化模型来求解任务分配问题。本文在考虑众包工人的能力风险下,将承包者能力风险及其带来的成本纳入模型,建立了以项目工期最小化、成本最低以及承包任务人数最少为目标的多目标任务分配模型,并提出了求解优化模型的启发式算法。研究表明目标的优先级不同以及是否考虑承包者能力风险结果有较大不同,能力风险成本将增加项目总体成本,具体实例验证了该算法的有效性和优越性,本研究对众包平台任务匹配服务有一定的赋能价值。