考虑用户偏好的启发式动态共乘匹配算法

针对现有算法很少考虑用户之间的共乘偏好需求,提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型,旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹以及用户的兴趣偏好,过滤不满足用户偏好需求的车辆;其次,构建一个临时匹配图,设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离;最后采用贪婪方式实现用户与车辆之间的匹配,并采用节点插入方式,将出行请求的出发地点和到达地点插入到车辆的当前行驶路线中。仿真结果表明,提出的启发式动态共乘匹配算法使车辆增加的平均绕行距离和运行时间低于现有算法,系统匹配率高于现有算法;用户的出行时间需求、兴趣偏好、信誉度等共乘需求对系统匹配率有显著影响。     

偏好匹配满意度最大化的众包任务分配

众包任务分配机制对众包任务完成质量起着至关重要的作用,然而现有的分配方法未在稳定性条件下考虑众包用户双边偏好,分配结果的准确性有待提高,并且存在众包用户因不满意当前分配对象而导致众包任务完成质量较低的问题.为此提出一种基于偏好匹配的众包任务分配方法,该方法首先考虑众包任务与工人的双边偏好,根据偏好序计算任务与工人的满意...     

新型时空众包平台中的在线三维稳定匹配问题

近年来,时空众包平台正逐步走入人们的生活,并受到研究者的广泛关注.在时空众包平台中,任务分配是一个核心问题,即在满足时间和空间的条件约束下,如何为不同用户分配合适的工人来进行服务.现有的工作往往将最大化任务匹配个数或效用值之和作为研究目标,这些方法关注全局的解决方案,但是没有考虑用户和工人的偏好来提高他们对于分配的满意程度.此外,现有工作大多只考虑用户和工人两种角色,即工人移动到用户当前位置进行服务.但是,新型时空众包平台的中往往包含用户、工人和工作点三种角色,即为用户和工人分配一个工作点来进行服务.基于以上不足,三维时空稳定分配问题被提出.但是,此问题只关注了静态场景,而时空众包平台往往是在线的,即工人和用户发出的任务都是实时出现的.因此,提出了面向新型时空众包平台的三维在线稳定匹配问题和一种基础算法.通过分析基础算法的不足,结合人工智能的方法提出一种改进算法来解决这个问题.采用大量的真实数据和合成数据集来验证算法的高效性和有效性.     

考虑工人路径的多智能体强化学习空间众包任务分配方法

针对工人和任务进行匹配是空间众包研究的核心问题之一,但已有的方法通常会忽略工人路径对任务分配结果产生的影响.传统的任务分配方法存在计算速度慢、适用范围小和协作效果不突出等问题.对此,从空间众包平台的角度出发研究面向路网的空间众包任务分配问题,以任务完成时间最短为目标,提出考虑工人路径规划的基于多智能体强化学习的QMIX-A*算法,缩短任务的平均完成时间,进而提高用户的满意度.大量的数值仿真研究验证了QMIX-A*的有效性和稳定性,为空间众包服务平台的任务分配与路径优化策略的选择提供决策支持.     

任务推荐中考虑任务关联度与时间因素的改进OCCF方法

随着众包系统的兴起,人们对众包系统的关注逐渐增多。基于众包系统中的任务推荐,研究者大多将用户对任务的行为数据转化为评分,但没有考虑任务关联关系以及用户兴趣变化对推荐结果的影响。为此,提出一种考虑任务关联度与时间因素的改进OCCF方法,以对任务进行推荐。一方面,在负例抽取阶段引入兴趣遗忘函数,并根据用户活跃度抽取一定数量的负例;另一方面,在概率矩阵分解阶段融合任务相似度信息以进行分解。将所提出的方法应用于众包系统的任务推荐中,利用威客任务中国的数据集进行了实验。实验结果表明,与主流方法相比,所提方法取得了更好的结果,能有效地提高推荐质量。     

众包系统中基于双向拍卖的诚实多任务分配机制

现有的众包任务分配模型大都假设仅存在一个任务请求者,难以满足存在多个任务请求者的应用场景.因此,该文假设众包系统中存在多个任务请求者,且每个任务请求者或工人在每轮任务分配中可以请求或完成多个任务,并在此基础上设计了适用于众包系统的双向拍卖机制,以激励众包任务被高效地完成.首先,将对多个任务感兴趣的工人抽象为多个虚拟工人,以低报价优先匹配原则,设计了一个高效任务分配机制;根据统一定价原则,为其设计了诚实的定价机制.然后,通过理论分析,证明了所设计的机制可以满足诚实性、个体理性以及收支平衡这3项经济学特性.最后,通过仿真实验结果验证了所设计机制的有效性.     

基于多Agent的众包任务推荐系统建模与仿真

为了让众包平台用户更方便准确地搜寻到合适任务,促进其能力水平提升,解决众包任务推荐动态性等问题,提出了一种基于多Agent的众包任务推荐系统。首先,基于众包平台建立多Agent任务推荐模型,提出了模型设计思路与模型框架,并进一步阐述了各Agent功能、相互作用关系与相关算法;其次,提出众包用户能力水平提升相关算法;最后,利用NetLogo仿真软件进行验证。结果表明,众包任务推荐系统可对用户能力水平的提升起到促进作用,证明了在众包平台引入推荐系统的必要性。并且分析了多Agent技术可提升推荐系统的动态性、智能性与灵活性等整体性能,促进了众包平台数据的管理与维护。     

全视角特征结合众包的跨社交网络用户识别

随着互联网的普及和不断发展,用户通过多个社交网络进行社交活动,使用社交网络带来的丰富内容和服务.通过识别出不同社网上的同一用户,可以有助于进行用户推荐、行为分析、影响力最大化,因而显得尤为重要.已有方法主要基于用户的结构特征和属性特征来识别匹配用户,大多仅考虑局部结构,并且受已知匹配用户数量的限制.基于此,本文提出了一种基于全视角特征结合众包的跨社交网络用户识别方法（OCSA）.首先,利用众包来提高已知匹配用户的数量,接着,应用全视角特征评价用户的相似度,以提升用户匹配的准确性,最后,利用两阶段的迭代式匹配方法完成用户识别工作.实验结果表明该文提出的算法可显著提高用户识别的召回率和准确率,并解决了已知匹配用户数量不足时的识别问题.     

基于众包的多楼层定位方法

无线基础设施的广泛部署使得基于WiFi的指纹定位方法成为了最具普适性的定位方法之一.然而,指纹库构建过程的耗时费力阻碍了基于接收信号强度(received signal strength indication,RSSI)指纹定位的发展.针对指纹库构建难问题,提出了一种基于众包的低成本、高效率的多楼层指纹库构建方法-MCSLoc.首先将室内平面地图转换为室内语义地图;然后采集众包用户智能手机内置惯性传感单元(inertial measurement unit,IMU)数据,采用卡尔曼滤波(Kalman filter,KF)融合算法划分传感数据到所属楼层.提出分段式轨迹获取方法,根据传感数据获取用户相对轨迹和RSSI值序列;最后利用隐马尔可夫模型(hidden Markov model,HMM)和轨迹匹配维特比(track matching Viterbi,TM-Viterbi)算法将相对轨迹与室内语义地图主路径相匹配,为RSSI值序列标注楼层标签和物理位置标签.MCSLoc方法的HMM地图匹配算法无需用户初始位置,实现众包用户弱意识参与.实验结果表明MCSLoc可以快速获取轨迹绝对初始位置,有效构建多楼层指纹库,提高多楼层定位效率.     

基于动态阈值的时空众包在线分配算法

为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法（DTRF）。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值为每个工人选取候选匹配集;最后,从候选匹配集中选取当前效用总和最高的匹配,同时用分配结果更新在线随机森林。实验结果表明,所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比,所提算法的任务分配率提升了4.1%,总效用提升了18.2%,工人平均收益提升了11.2%。与随机阈值算法相比,所提算法在任务分配率、总效用、工人平均收益等方面都有较好的提升,且稳定性更好。     

基于工作者多属性特征模型的任务分配方法

针对众包任务分配中工作者个性特征和任务需求描述难以有效匹配的问题,提出通过建立工作者的分层属性特征模型,完成任务分配的方法。以众包协同翻译为例,根据具体任务需求特征分解工作者属性需求,设计出分层属性指标用于精确描述众包工作者能力,计算出多层次指标组合权重向量个性特征模型,据此完成工作者筛选和任务分配。经实验验证,该方法提高了众包工作者和任务特征的匹配度,提高了任务完成效率和结果质量。     

基于位置隐私保护的空间众包任务分配方法

针对当前空间众包任务分配中存在用户等待时间长和工人位置隐私保护度低的问题，提出一种面向位置隐私保护的空间众包任务分配方法。利用虚拟生成算法为众包工人提供一个虚拟位置，并发送到空间众包服务器中；为了提高任务分配效率，设计一种基于ε-贪婪算法的自适应批处理机制；根据动态批量大小，采用最大分数分配策略来解决众包平台中动态任务分配问题。该方法不仅减少了工人行进距离和保护了工人的隐私信息，还最大程度地降低了任务等待时间，提升了用户体验。     

移动群智感知中面向任务需求的用户选择激励机制

现有的移动群智感知激励机制大多以平台为中心或是以用户为中心进行设计，缺乏对感知任务需求的多维考虑，从而无法切实地以任务为中心进行用户选择，导致无法满足任务需求的最大化和多样化。针对上述问题，提出一种面向任务需求的用户选择激励机制TRIM，这是一种以任务为中心的设计方法。首先，感知平台根据任务需求发布感知任务，并从任务类型、时空特性以及感知报酬等多维度构建任务向量以最大化满足任务需求，而感知用户则基于意愿偏好、个人贡献值以及期望报酬等属性构建用户向量，实现个性化选择感知任务参与响应；然后，通过引入高效且隐私保护的余弦相似度计算协议（PCSC），计算任务和用户的相似度并根据相似度高低进行用户匹配筛选得到目标用户集，更好地满足感知任务需求的同时保护用户隐私不泄露；最后，通过仿真实验表明，在感知任务和感知用户的匹配过程中，与采用Paillier加密协议的激励机制相比，TRIM缩短了指数级增量的计算时间开销，提高了计算效率；与采用直接余弦相似度计算协议的激励机制相比，TRIM保证了感知用户的隐私安全，达到了98%的匹配精确度。     

众包中基于CIDA和PI-Cosine的双向质量控制策略

随着移动智能终端的普及，众包采集大规模感知数据变得越来越容易。众包工人的自私性使得他们想通过最少的努力获得最多的报酬，甚至互相勾结、随意提交众包数据，导致众包任务完成质量不高。文中提出了一种基于陪审团的质量控制策略，该机制解决了数据验证问题。针对降低众包质量的行为，在判断是否存在垃圾邮件员工和共谋组织后，使用社区影响力检测算法(CIDA)来检测出共谋团伙领导者及其所在组织，最后使用改进的相似性检测算法(PI-Cosine)筛查垃圾邮件员工。从这两个方面来提高众包数据质量。实验结果表明，所提方法在accuracy和F1-score衡量指标上相比Cosine相似度检测算法提高了12.3%。     

空间众包中多类型任务的分配与调度方法

针对空间众包多类型任务完成的质量与数量问题,提出多类型任务的分配与调度方法。首先,在任务分配过程中,结合空间众包中多类型任务和用户的特点,对贪婪分配算法改进,提出基于距离ε值分配（ε-DA）算法;然后,将任务分配给附近的用户,以提高任务完成质量;其次,利用分支定界思想（BBS）,根据专业匹配分数的大小,对任务序列进行调度;最后,找到最佳的任务序列。针对分支定界思想的调度算法运行速度较慢的问题,提出最有前途分支启发式（MPBH）算法。通过MPBH算法,使得在每次任务分配过程中实现局部最优化,与分支定界思想的调度算法相比,在运行速度上提高了30%。实验结果表明,所提方法能够提高任务完成的质量以及数量,有效地提高了运行速度与精确性。     

精英蜂群算法及考虑利益相关者的众包定价模型

任务分配是众包流程的关键所在,也是众包价值的重要体现。从众包活动参与者即主体企业、众包平台、平台会员的视角出发,研究服务众包定价问题。在考虑会员信誉度和任务聚集度的基础上,针对含有地理因素的众包任务设计打包分配定价方案。以服务成本、任务价值、会员收益等为导向,对不同任务进行组合配置,从而设计多目标规划任务配置及定价模型,并针对该模型构建了精英蜂群算法。在精英蜂群算法中,充分利用蜜源信息并着重考虑成长性较好的蜜蜂,进而避免了局部最优问题,提高了搜索效率。通过对众包服务企业运营数据分析,获取到众包服务会员特征及任务完成相关基础信息,以此进行仿真实验。仿真结果表明通过众包任务打包定价机制,任务完成率、企业总成本、三方总收益等方面均有显著优化。综合模型及数据实验可知,众包任务在定价与发布过程中根据自身特征差异,在无差异服务中只需要考虑会员信誉度,对于具有服务差异性的任务则需要考虑打包发布。     

基于用户兴趣特征的知识推送

为弥补产品设计过程中知识检索方式的不足,同时降低因需求不明确导致知识推送的盲目性,提出了一种根据用户兴趣特征进行筛选实现设计知识推送的方法. 首先阐述了基于用户兴趣特征的产品设计知识推送原理,给出了设计知识组织管理方法. 然后分析了用户兴趣特征集合的构建方法,采用文本相似度算法,实现了知识特征与兴趣特征的匹配. 最后以某电气产品制造企业为背景,通过应用实例验证了该方法的可行性和可靠性.     

基于D-S理论的区间值模糊多QoS测量与网格任务调度算法

非凡的服务质量是网格的基本特征,基于QoS的网格任务调度问题已成为国内外研究的热点.由于网格环境的复杂性和用户主观判断的模糊性,传统基于QoS的网格调度算法不能处理具有多个模糊QoS需求的调度问题.用区间值模糊来描述用户的主观QoS需求信息,提出基于D-S理论的区间值模糊多QoS测量方法,对区间值模糊数表达的用户多QoS需求进行融合与处理,再将这些区间值模糊数QoS融合值作为任务的优先级加入到任务调度算法中,提出一种基于D-S理论的网格任务多匹配调度算法.研究结果和仿真实验表明,该算法不仅可以处理区间值模糊不确定性信息,在满足用户多QoS需求的情况下还可大大减小任务调度的时间跨度.     

基于极坐标的位置差分隐私保护方法

众包作为一种新的工作模式,在实际生活中已经得到广泛的应用。在基于位置的服务(location based service,LBS)应用中,众包同样取得了比较好应用效果。但是在LBS的应用中需要暴露用户的位置信息,这给用户的隐私带来了很大的威胁。差分隐私可以很好地保护用户的隐私,但是会影响众包任务的分配。这篇文章中,结合差分隐私与极坐标变换设计了一种适用于众包活动的位置隐私方法,一方面可以有效地保护用户位置隐私,另一方面又不影响众包任务的分配。     

网络个性化服务资源综合推荐研究

把符合用户兴趣的相关网络资源自动推送给用户,针对性的推荐资源,实现个性化服务,提高用户满意度.根据资源个性化服务分析和研究了模型建立及推荐方法,建立了用户兴趣和资源描述模型,提出了基于背景和认知过程的综合推荐方法.使用MATLAB计算机仿真.通过度量资源和用户兴趣之间的相似程度,根据用户兴趣特征寻找与其匹配的资源,或有相近兴趣的用户群,实现了用户与资源的匹配和个性化推荐目的.建立的模型和设计的综合推荐方法是町行的,降低了复杂度,增强了有效性,推荐效率得到提高.