基于多元回归的众包平台定价规律研究

"拍照赚钱"是移动互联网下的一种自助式服务模式。用户下载APP,注册成为APP的会员,然后从APP上领取需要拍照的任务(比如上超市去检查某种商品的上架情况),赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台,为企业提供各种商业检查和信息搜集,相比传统的市场调查方式可以大大节省调查成本,而且有效地保证了调查数据真实性,缩短了调查的周期。因此APP成为该平台运行的核心,而APP中的任务定价又是其核心要素。如果定价不合理,有的任务就会无人问津,而导致商品检查的失败。针对这个问题,我们使用多元回归、聚类分析等数学方法,运用了Excel和SPSS软件,并结合实际情况,确定了定价模型。该模型能够根据外界因素改变任务定价,更加具有弹性,激发会员完成任务的积极性。     

社会网络下分配众包任务的真实机制

众包平台上出现了越来越多的宏任务,而这些宏任务需要工人的专业技能和团队的集体贡献。社会网络为社会工作者之间的合作提供了一个可用的平台。事实上,很少有研究关注众包工人之间的社会网络。在社会网络下的众包任务分配问题是NP难问题,并且社会网络中会存在参与者为了提高自己的效用而谎报要价的情况,因此提出一种社会网络下分配众包任务的真实机制（TMC-SN）。在社会网络下的众包任务分配问题被模拟成一个拍卖,其中任务请求者是买家,工人是卖家,众包平台充当拍卖者。为了找出最合适的团队,TMC-SN从边际贡献和团队凝聚力两个方面来衡量工人对团队的适应性。理论分析证明,TMC-SN具有真实性、个体理性、预算平衡等经济属性。实验结果表明,TMC-SN在社会福利方面具有一定的优势,并且能够提升工人的效用。     

新媒体时代新闻众筹在中国的发展与对策

新闻众筹作为一种在全球范围内方兴未艾的众筹类型,在中国刚刚崭露头角.本文介绍了新闻众筹的概念及影响,提出了新闻众筹的发展瓶颈,最后针对新闻众筹的持续性发展提出了建议.     

基于用户可靠性的众包系统任务分配机制

针对现有研究对众包系统中用户可靠性考虑不足的问题,假设每个用户针对不同类型任务具有不同的可靠性,并在此基础上设计了一种基于用户可靠性的众包系统任务分配机制。首先,以任务发布者的收益最大化为优化目标,利用贪心技术,设计了一种高效的任务分配机制,即每次选择一个能带来最大收益的任务分配方案;其次,设计了一种基于历史信息的用户可靠性更新机制,用户可靠性的更新由用户历史可靠性和当前完成任务的质量两部分决定,并将支付给用户的最终报酬与用户的可靠性挂钩,以激励用户持续高质量地完成任务;最后,从任务发布者的总效益、任务完成率和用户可靠性三个方面分析设计机制的有效性。实验结果显示,与ProMoT方法相比,所提出的方法在有效性和可行性方面均有较好的表现,并能够提升任务发布者的总效益约16%,同时可以解决现有方法中的用户不可靠问题,提高了众包系统的可靠性和任务发布者的总收益。     

群智感知中基于反拍卖模型的众包激励方法

激励是实现群智感知（CS）众包服务的主要方法,针对现有方法在服务过程中没有充分考虑节点参与数量和恶意竞争对群智感知带来的影响,提出一种基于反拍卖模型的激励（RVA-IM）方法。首先,研究众包的激励机制,结合反拍卖与Vickrey拍卖思想,构建面向任务覆盖的反拍卖模型;其次,对模型中涉及的任务覆盖、反拍卖选择和奖励实施等关键技术问题进行深入分析与研究;最后,从计算有效、个人理性、预算平衡、真实性和诚实性五个方面分析RVA-IM激励方法的有效性。实验结果表明,与IMC-SS和MSensing激励方法相比,RVA-IM在有效性和可行性方面均有较好的表现,能够解决现有方法中的恶意竞争问题,并能够平均提升众包服务完成率约21%。     

基于JSP的众筹平台设计与实现

通过对众筹平台的背景、现状和基本概念进行研究,了解众筹的相关信息,采用JSP技术,以SSM为开发框架,以Eclipse为开发工具,以MySQL为后台数据库,设计并实现了基于JSP的众筹平台.系统主要实现了会员注册、项目发布、项目投资、项目审核、充值提现审核、项目催还及数据统计等功能.     

时空众包中基于质量感知的在线激励机制

在实时、复杂的网络环境中,如何激励工人参与任务并得到高质量的感知数据是时空众包研究的重点。基于此,提出一种基于质量感知的时空众包在线激励机制。首先,为了适应时空众包实时性的特点,提出一种阶段性在线选择工人算法（POA）,该算法在预算约束下将整个众包活动周期分为多个阶段,每个阶段在线选择工人;其次,为了提高质量预估的精度与效率,提出一种改进的最大期望（IEM）算法,该算法在算法迭代的过程中优先考虑可信度高的工人提交的任务结果;最后,通过真实数据集上的对比实验,验证了所提激励机制在提高平台效用方面的有效性。实验结果表明,POA相较于改进的两阶段拍卖（ITA）算法、多属性与两阶段相结合的拍卖（M-ITA）算法,以及L-VCG(Lyapunov-based Vickrey-Clarke-Groves)等拍卖算法,效率平均提高了11.11%,工人的额外奖励金额平均提升了12.12%,可以激励工人向冷门偏远地区移动;在质量预估方面,IEM算法相比其他质量预估算法,在精度和效率上分别平均提高了5.06%和14.2%。     

防恶意竞价的众包多任务分配激励机制

众包的飞速发展丰富了任务执行者的阅历和技能,使他们更加了解任务且倾向于同时完成多种任务,因此根据执行者对任务的主观偏好进行分配成为一种常见的任务分配方式;但是出于个人利益,执行者可能采取恶意竞价行为换取更高的收益,这对众包平台的发展是不利的。为此,提出一种防恶意竞价的众包多任务分配激励机制GIMSM(Greedy Incentive Mechanism for Single-Minded)。该机制定义了一个线性比值作为分配依据,再根据贪心策略从执行者比值递增的序列中依次选取并分配任务,最后按照支付函数对分配算法选中的任务执行者进行支付,得到最终的任务分配结果。在Taxi and Limousine Commission Trip Record Data数据集上进行实验。相较于TODA(Truthful Online Double Auction mechanism)、TCAM(Truthful Combinatorial Auction Mechanism)和FU方法,GIMSM在不同工人数下的任务结果平均质量水平分别提高了25.20、13.20和4.40个百分点,GIMSM在不同任务...     

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.     

基于活跃时间分组的软件众包工人选择机制

针对现有的软件众包工人选择机制对工人间协同开发考虑不足的问题，在竞标模式的基础上提出一种基于活跃时间分组的软件众包工人选择机制。首先，基于活跃时间将众包工人划分为多个协同开发组；然后，根据组内工人开发能力和协同因子计算协同工作组权重；最后，选定权重最大的协同工作组为最优工作组，并根据模块复杂度为每个任务模块从该组内选择最适合的工人。实验结果表明，该机制相比能力优先选择方法在工人平均能力上仅有0.57%的差距，同时因为保证了工人间的协同而使项目风险平均降低了32%，能有效指导需多人协同进行的众包软件任务的工人选择。     

一种基于元数据的众包图片效用最优选择算法

随着互联网的高速发展,移动终端设备产生的众包图片可以用在许多重要应用场景当中以获得有效的信息。例如地震后现场区域的修复、重大事故的处理。但是,这些应用场景往往都会有资源限制的问题,如带宽、终端的存储与处理能力等等,这就限制了形成众包图片的数量。因此,如何在资源有限的情况下,从众包图片中实现目标的最佳还原是一个巨大挑战。通过采集与处理图片的地理和几何数据,形成图片的元数组,在限制计算资源的条件下,提出了一种以元数据为输入的众包图片效用最优选择算法,以实现目标的最佳还原。算法的输入是元数据而非像素,所以在资源有限的应用场景中能够高效地分析众包。采用图片的效用来衡量目标区域被覆盖的程度,并提出了图片效用计算方法。最后设计了仿真实验,实验结果验证了算法的有效性与优越性。     

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。     

基于声誉的移动众包系统的在线激励机制

在大数据环境下,对移动众包系统的研究已经成为移动社会网络（MSN）的研究热点。然而由于网络个体的自私性,容易导致移动众包系统的不可信问题,为了激励个体对可信策略的选取,提出一种基于声誉的移动众包系统的激励机制——RMI。首先,结合演化博弈理论和生物学中的Wright-Fisher模型研究移动众包系统的可信演化趋势;在此基础上,分别针对free-riding问题和false-reporting问题建立相应的声誉更新方法,从而形成一套完整的激励机制,激励感知用户和任务请求者对可信策略的选取;最后通过模拟实验对提出的激励机制的有效性和适应性进行了验证。结果显示,与传统的基于社会规范的声誉更新方法相比,RMI有效地提高了移动众包系统的可信性。     

基于用户满意效用的空间众包任务分配方法

针对生活中专车类空间众包用户存在偏好和延时等待的实际情况,提出一种基于用户满意效用的空间众包任务分配方法 IGSO-SSCTA。首先,定义了由用户偏好效用、延时等待效用和任务完成期望组成的用户满意效用;其次,构建了基于用户满意效用的空间众包任务分配（SSCTA）模型;接着,通过离散编码、反向学习协同初始化、四种改进移动策略、自适应选择和不可行解处理,提出一种适用该模型的改进离散萤火虫群优化（IGSO）算法;最后,利用IGSO算法对前述模型进行求解。不同规模数据集上的实验结果表明,所提方法和考虑时间最小化分配、考虑路程最小化分配、随机分配三种策略相比,用户满意效用分别提高了提升了9.64%、11.77%、15.70%;所提算法与贪婪算法和其他改进萤火虫算法相比,也有更好的稳定性和收敛性。     

基于竞价的租赁车辆资源分配和定价机制

针对目前线上汽车租赁平台使用固定价格的方式来租赁车辆给用户,存在着租赁车辆分配不合理、定价不能及时反映真实的市场供需情况、整体社会福利较低等问题,提出一种基于竞价的租赁车辆分配与定价机制。首先,研究了线上汽车租赁问题模型,抽象出数学模型与社会福利最大目标函数;然后,在租赁车辆分配算法中采用基于最小费用最大流算法的最优化车辆资源分配算法;最后,在价格支付算法中采用了可信的VCG价格算法,计算出用户最终的支付价格。对比传统的先来先服务算法,基于竞价的租赁车辆分配与定价机制在订单成功率方面提升了20%~30%,在平台收益方面增加了30%左右。实验结果表明,所提出的机制具有车辆分配最优化、弹性价格的优势。     

基于拍卖机制的改进合同网协商策略

在现有合同网协议的研究基础上，引入经济学中的拍卖理论，提出一种基于拍卖机制的改进合同网协商策略，通过Agent间的自主竞争来实现任务的动态分配，从而降低管理者获取和更新其他Agent知识的难度，间接支持Agent能力动态变化，减少Agent间通讯量和评标时间。     

基于市场机制的无人集群任务分配研究综述

类市场机制的方法数学推导严谨,理论解释清晰,算法计算量小,对网络规模和拓扑结构限制少,适合未来军事领域大规模无人集群任务规划问题。围绕基于市场机制的无人集群任务分配的拍卖法和合同网法两类方法,详细梳理了该研究领域的经典文献和近年来的相关研究;从该方法的基本原理、改进研究进展、应用背景和使用局限性等方面进行了详细介绍和全面总结;最后提出了类市场机制任务分配研究中的关键问题和未来研究趋势。