劳务众包任务定价模型研究

以拍照赚钱APP的平台数据为例,建立Logit模型提升众包平台任务完成率,使用PageRank排序算法建立多任务打包定价模型,解决众包平台的多任务打包问题,并用Logistic回归模型进行检验.     

信息筛选中群体用户偏好聚合模型

将信息筛选描述为信息对象到用户偏好值的映射函数,利用多目标决策方法提出了一个信息筛选中群体用户偏好聚合模型,对信息筛选过程进行了分析,它包括用户偏好,接受信息输入流,计算其用户好值以及用户偏好修正。     

信息筛选中群体用户偏好聚合模型

将信息筛选描述为信息对象到用户偏好值的映射函数 ,利用多目标决策方法提出了一个信息筛选中多用户偏好聚合模型 .对信息筛选过程进行了分析 ,它包括定义用户偏好、接受信息输入流、计算其用户偏好值以及用户偏好修正 .在此基础上 ,用偏好向量定义个体用户偏好 ,并通过例子进行演示 .系统研究了信息筛选中的群体用户偏好 ,建立了一个群体偏好聚合模型 ,计算了不考虑信息代价和考虑信息代价两种情况下的群体偏好值 .利用模型通过聚合个体偏好求取群体偏好 .在考虑信息代价时 ,对不同类别的信息代价进行归一化处理 .实例验证表明 ,该模型是有效的 .     

数字图书馆信息推荐服务中用户需求偏好模型研究

从用户需求偏好模型逻辑结构、用户需求偏好特征的抽取方式、用户需求偏好模型动态更新3个方面,阐述了当前国内外数字图书馆信息推荐服务中用户需求偏好模型的研究现状,分析了用户需求偏好模型研究所遇到的困难和发展趋势。     

网站用户偏好度的数据挖掘模型

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点。这是一个介于统计学、模式识别、人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科,具有极为广泛的应用前景。在基于统计学观点的基础上讨论了网站用户偏好度的数据挖掘模型,设计了一个网站用户信息浏览偏好度的数据挖掘模型。     

一种考虑兴趣偏好的Top-k众包开发者推荐方法

随着云开发技术的不断发展,以众包软件平台为代表的在线开发者社区成为软件工程领域一个新的研究热点.如何为平台中的任务发布者及时、准确地推荐开发者是具有现实意义的重要问题.本研究提出一种考虑兴趣偏好的Top-k众包开发者推荐方法,改变传统Top-k推荐列表的生成模式,有针对性地为任务推荐符合条件的开发者.首先结合平台丰富的...     

众包中基于博弈论的牛顿冷却定律应用

众包是一种可以高效解决复杂且困难问题的方法,但工人的恶意攻击行为会严重阻碍该方法的高效应用。为此,基于博弈理论,提出一种新的时衰收益策略模型来防止用户的恶意攻击行为。将参与者之间的交互建模为重复囚徒困境博弈,分析众包过程中的恶意攻击问题;使用基于牛顿冷却定律的时衰收益策略模型动态调节博弈双方的收益,改变博弈的纳什均衡;最后,使用股息贴现模型证明该策略模型的正确性。研究结果表明,该方案提高了合作用户的比例,降低了网络用户提供服务的成本,促进了网络用户之间的合作,解决了工人的恶意攻击问题。     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子...     

基于隐变量模型的多维用户偏好建模

从用户行为数据构建用户偏好模型,是解决个性化服务、评分预测和用户行为定向等问题的重要基础.本文从用户的评分数据出发,以多个隐变量分别描述用户在评分对象多个维度的偏好,以含有多个隐变量的贝叶斯网(简称隐变量模型)作为表示用户偏好的基本知识框架.首先根据用户偏好和隐变量的特定含义给出模型构建的约束条件,进而提出基于约束条件的模型构建方法,使用约束条件下的EM算法来计算模型参数,约束条件下的SEM算法来构建模型结构.针对多隐变量情形下模型构建过程中产生大量中间数据带来的计算复杂度急剧上升的问题,本文使用Spark计算框架实现模型构建的方法.建立在Movielens数据集上的实验表明,本文提出的方法是有效的.     

众包模式在图书馆管理与服务中的应用

在生活中,图书馆发挥着重要的作用,能够给人们提供一个学习和阅读的良好场所,满足人们对精神文明的需求。为了做好图书馆的管理与服务工作,外界开始探讨将众包模式运用在图书管理与服务中,实现图书管理工作与现代科技手段紧密结合,全面提升工作质量与工作效率。将众包模式运用在图书馆的管理方面其实是现代图书馆管理发展的一个摸索和尝试,众包模式并不是专门为图书馆管理而设计的,但是众包模式的科学运用却能够为图书馆管理质量的进一步的提升提供一些科学有效的帮助。具体的运用过程中,图书馆必须要注意针对众包模式的特点以及现代图书馆管理与服务的特点以及相应的要求等,灵活的调整众包模式的具体运用方法,积极的探索新的现代化运用手段,这样才能够比较有效的确保图书馆管理与服务的整体质量。本文主要从当前的图书馆管理与服务实际工作情况出发,从多方面论述众包模式的应用策略。     

基于单目标优化的众包任务定价模型

该文针对"拍照赚钱"APP的众包任务定价问题,考虑区域定价的差异下,基于曲线拟合工具和K-Means聚类分析算法,通过SPSS软件综合分析得出众包任务价格与区域生活水平、时间成本、人均任务数和任务难度系数等因素之间的定价规律,建立了以任务价格为决策变量、以众包平台利润限度为约束条件、以区域任务完成率最大化为目标的单目标优化模型,并建立了新的任务定价方案。在考虑将任务打包发布情况下,对定价模型进行修正,通过蒙特卡洛模拟法,给出模拟的实施效果。     

E-Learning中模糊用户模型的应用

提出了将模糊用户模型(FUM)应用到E-Learning中的方法,通过它对用户的知识水平做出推理判断,从而给出适合水平的学习资源,在一定程度上增强了E-Learning系统的智能程度.并结合计算机教育的E-Learning系统加以说明.     

空间众包中在线路径规划算法

工作者的路径规划问题是空间众包中一个重要的研究内容。当前路径规划问题的研究主要集中在离线情形下,然而在线情形下的路径规划更符合现实需求。因此,该文从众包物流和共享巴士等典型空间众包平台中提取出了一个在线路径规划问题——空间众包中终点固定的在线路径规划问题。首先研究了Euclidean空间上的路径规划问题,提出了基于粒子群的在线粒子群路径规划算法,该算法通过在线追踪最优解来进行路径规划,同时,提出了基于k近邻的在线局部粒子群路径规划算法。还研究了面向路网的路径规划问题,提出了加权最短路径边界索引和路网上的在线局部粒子群路径规划算法。最后,通过真实数据上的大量实验验证了上述算法的有效性和高效性,其中在线局部粒子群路径规划算法拥有更好的效果。     

空间众包中基于位置预测的任务分配

随着移动设备的普及和O2O(Online-To-Offline)商业模式的快速发展,越来越多的空间众包平台融入人们的日常生活中,例如滴滴出行、饿了么等等.空间众包中的一个核心问题是任务分配,主要研究如何将空间任务分配给合适的众包工人.任务分配方式主要分为服务器分配模式(Server Assigned Task,SAT)和用户选择模式(Worker Selected Task,WST)两种模式,目前多数统一规范化的众包服务采用SAT模式,即系统主动将任务分配给任务请求位置附近的众包工人.在此任务分配模式下,众包工人和任务之间的旅行成本变得至关重要,较少的旅行成本意味着较少的响应时间和较高的任务接受率.因此提出了基于位置预测的任务分配方式,该方式不仅考虑任务和众包工人的当前位置,还考虑未来任务可能出现的位置,从而降低旅行成本和相应时间.首先设计了贪婪方法(Greedy Approach),然后在贪婪方法的基础上通过贝叶斯、支持向量机、决策树等方法预测未来任务的分布来辅助分配任务,最后在真实数据上进行的实验表明,该方法减小了在长时间内的总旅行成本,具有较好的性能.     

基于回归模型的众包定价方案的计量分析

针对拍照赚钱外包平台的任务定价问题,运用了多元线性拟合、BP神经网络算法及竞争导向定价法等,构建了基于任务聚集度相关指标的多元线性回归模型、基于三个显著影响指标的多元非线性回归模型及考虑密集任务可打包发布的任务定价模型,运用了Matlab软件编程求解,得出了原定价方案的定价与任务的密集程度有关的定价规律、任务未完成原因以及打包的影响.     

基于SWOT的档案众包理论应用分析

介绍了众包理论和SWOT分析方法的概念,采用SWOT方法分析在档案开发利用中应用众包理论的优势、劣势以及面临的机遇和挑战,提出了我国档案机构推行档案众包的建议.     

众包模式下任务定价模型的建立与分析

为解决众包模式中发布的任务定价不合理,导致用户积极性降低、任务无人领取的问题,提出建立一种新的任务定价模型,综合考虑任务密度、会员密度、任务地点与市中心距离对任务定价的影响。通过检验模型定价结果,发现其均在较高完成度区间内,具有良好的可信度,该模型适用于任务的初步定价。     

基于用户偏好的图书馆个性化门户研究

文章概述Web3.0的产生背景和主要特征,分析Web3.0环境下图书馆门户的用户偏好,阐述图书馆门户用户偏好的行为趋向。最后,指出图书馆门户用户偏好的控制策略。     

罕见癌症的众包治疗

至少在某些领域,生物医学已经迅速开始模仿源自软件开发的开源模式。但是,很难想象药物开发领域的开源模式是什么样子。毕竟,医药产业主要是利益驱动的,这也是美国FDA的罕见病药品开发办公室为业界提供额外激励的原因之一。如果不能确定利润在哪里,有谁会对此开展研究呢?然而,一些实验室却逆流而上,哈佛医学院Dana-Farber癌症研究所的James E.Bradner小组就是其中的佼佼者。Bradner成功地使用了开源策略对付癌症,动力则来