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.     

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。     

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。     

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.     

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.     

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。     

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.     

CVM数据分析中的半参数模型及实证研究

条件价值评估法（CVM）是目前国际上评价景观价值最广泛的方法. 二分式选择问卷是最有效的CVM问卷格式,但二分式选择问卷数据不能提供支付意愿（WTP）的直接估计,其参数模型不能够充分拟合WTP,且不能充分挖掘样本数据信息. 针对上述问题,本文提出一种基于生存分析的CVM 数据分析方法,构建基于半参数比例风险模型的支付意愿影响因素分析模型,为CVM 数据分析提供新的路径. 以三江平原湿地景观价值评价为例进行实证分析,得到黑龙江省居民平均支付意愿为90.53元/人/年,个人收入、环保意识以及受访者所处地理位置是影响其支付意愿的主要危险因素. 研究证明了半参数分析方法在处理二分式CVM数据分析中的可行性及有效性.     

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.     

双资源JSP动态分类调度研究

针对作业车间的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于不同的扰动进行分类处理的新方法。该方法以最小化最大完工时间为目标,首先基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据机床故障修复后以及工人回岗后剩余任务的多少决定是否进行再一次的调度。采用遗传算法和模拟退火算法相结合的算法获得调度方案,并进行分析和比较。     

面向应急观测的虚拟星座任务规划技术

虚拟星座为充分利用卫星资源提供了一种高效的解决方案。首先研究设计了任务与资源管理、任务与资源匹配、协调与任务规划的三层协调运行机制,建立了基于多智能体的三层动态交互式体系结构模型;然后通过基于改进合同网协议算法模型,研究虚拟卫星协同任务的招标对象筛选策略、协商合同投标方法、协商合同评标方法;最后针对海上目标监视搜索场景构建仿真实验用例,仿真结果验证了虚拟星座的运行机制和体系结构的合理性、可行性与基于扩展合同网协议的虚拟星座任务规划算法的有效性和正确性。     

普遍信任视角下城市居民绿色住宅支付意愿的影响因素:中国部分一线城市的证据

绿色住宅的推广和使用是降低建筑能耗、实现减排目标的重要途径.基于普遍信任视角,从居民内在心理因素与外在情境因素入手,系统构建城市居民绿色住宅支付意愿影响因素的研究模型,并探求普遍信任的一阶及高阶调节效应及影响该效应发挥作用的边界条件.结果显示,对于内在心理因素,普遍信任对居民绿色住宅认知与支付意愿的关系有显著的正向调节作用,但易受到居民损失规避心理的负向影响;普遍信任对居民环境关心与支付意愿的关系有显著的正向调节作用,且易受到居民广告诉求(来源可靠性诉求和利已诉求)的正向影响;普遍信任对居民道德认同与支付意愿的关系有显著的正向调节作用,且易受到居民高解释水平的正向影响.对于外在情境因素,普遍信任对社会风气/群体压力与支付意愿的关系有显著的正向调节作用,且权威认证标识有助于增加居民对绿色住宅的"初始信任",助推居民主动购买绿色住宅社会风气的形成.基于实证研究结论,在政府、开发商及居民个体层面提出相应建议.     

电动汽车参与电网调频优化策略建模与仿真

电动汽车（electric vehicles, EVs）具有分布式储能特性,充分利用 EV灵活性可以合理地向电网提供辅助服务,并获取收益。在考虑不确定性因素影响下,以电动汽车聚合商 （electric vehicle aggregator, EVA）收益期望最大为目标,构建EVA参与日前能量及调频辅助服务市场投标模型。提出一种基于合约理论的实时能量分配激励策略,在社会福利最大化情况下,实现EVA调频需求量分配。通过算例仿真,对比量化了聚合不同类型EVs的EVAs参与日前能量及调频辅助服务市场的收益情况,以及分析了经过合约激励后的EVs的实时调整情况,验证了所提方法的有效性。     

Crowdsourcing Task Assignment Mechanism Based on Employer Net Profit and Employee Satisfaction

Crowdsourcing task assignment has become an important task assignment model in the Internet economy era. In this paper, we study the crowdsourcing task assignment problem based on employer net profit and employee satisfaction. First, the reliability and interest of employees are modeled, based on which the mathematical expressions for employer net profit and employee satisfaction are given. Then, a multi-objective optimization problem is formulated to maximize employer net profit and employee satisfaction by jointly optimizing the task assignment matrix and task offer vector.Since the considered problem contains discrete variables, it cannot be solved directly by traditional optimization methods. Therefore, two low-complexity high-performance algorithms are proposed. The first algorithm is based on a fast non-dominated ranking genetic algorithm with an elite, which is able to explore the Pareto bound of the considered problem. The second algorithm is based on a reinforcement learning framework, which is able to maximize the weighted sum of employer net profit and employee satisfaction. Numerical results show that the number of tasks assigned to employees affects both employee satisfaction and employer net profit. The Pareto bounds and Pareto optimal solutions based on the solutions of the two proposed algorithms are also presented numerically, which quantitatively characterize the tradeoff between employer net profit and employee satisfaction.     

基于自适应依赖关系的产品协同设计人员效率

目前对协同设计任务中人员效率与任务完成效果间关系的研究主要集中在定性分析上, 未能准确量化由于协同设计人员工作效率的波动给任务完成效果带来的损失. 综合协调理论中的依赖分析方法与图论中约束关系图描述协同设计人员之间的依赖逻辑关系, 并基于任务的效率目标通过多目标优化模型选择协同设计人员, 进一步构造人员效率损失函数, 从而提出一种计算协同设计完成效果损失的量化方法. 通过算例验证该算法能够较为精确的计量人员效率波动对任务完成效果的影响.