互联网时代的翻译众包服务及行业启示研究

翻译众包是通过信息技术将企业、服务商和译者有机结合的翻译模式.文章在介绍了翻译众包服务的产生后,对不同阶段的发展模式进行了研究,并重点分析了Web3.0时代的翻译众包特点,进而从翻译模式、翻译教育和翻译标准三个方面阐述其为翻译行业带来的启示.     

众包服务中基于公平性最大化的团队组建方法

众包服务已成为各个领域的主流服务计算范式。在众包服务中,如何选择合适的移动用户形成团队并用于众包服务是一个挑战性的问题。目前大多数研究都集中在使通信成本最小化的团队组建方法上,但在众包服务实际应用中,存在不基于沟通成本最小化的团队组建问题;因此,文章在社交网络框架下提出了基于公平性最大化的团队组建方法,给出了基于公平性最大化的团队组建方案和任务众包算法,并在实际社交网络中验证了基于公平性最大化的团队组建方案和任务众包算法。其结果表明,所提出的基于公平性最大化的团队组建方法是有效的,并在众包服务中具有实际应用价值。     

群智感知中基于层次分析法的众包机制

针对节点移动性、社会性及复杂性给众包服务带来的挑战,研究了可信协作众包机制,提出基于层次分析法的服务节点发现和选择算法,定义服务质量因子、链路可靠性因子和区域热度因子等众包决策因子,实现基于分级激励的感知任务众包分配. 仿真实验进一步验证了所提方法的正确性和有效性.     

分层组织管理下的众包质量演化机理

针对众包系统质量控制方法设计需要提供理论依据的问题,通过分析当前典型的众包分层组织管理模式,建立了众包虚拟组织间任务协作的演化博弈模型.基于该模型分析众包质量的演化稳定性,讨论众包任务参与者协作行为的动态特征,并给出制约众包质量演化稳定性的3个关键因素,即完成众包任务获取的经济利益、任务请求者的消费效用以及任务完成者参与众包带来的安全风险对实现众包质量最大化的作用机理.     

基于演化博弈的企业内部式众包模式激励策略研究

内部式众包可以在保护企业内部信息，维持企业竞争优势的基础上，更高效地汇集群体智慧，为企业带来群智创新.采取有效的措施促使企业与员工积极参与，是当前内部式众包面临的重要挑战.通过引入职业激励因素，探究企业与员工间的交互关系.构建演化博弈模型，分析博弈双方的稳定性策略与影响因素，并运用Matlab仿真分析不同参数变化对演化结果的影响.结果表明：演化结果受初始状态的影响，双方的初始状态越好，企业与员工的策略选择对激励参数的变化越敏感.提升职业激励正强化与负强化，降低评价成本与提升评价力度，降低员工的怠工效应，均可以有效提升企业与员工参与的积极性，使内部式众包进入良性循环.最后，为企业内部式众包管理提供了改进建议.     

众包技术研究综述

针对众包系统质量控制方法设计需要提供理论依据的问题,通过分析当前典型的众包分层组织管理模式,建立了众包虚拟组织间任务协作的演化博弈模型. 基于该模型分析众包质量的演化稳定性,讨论众包任务参与者协作行为的动态特征,并给出制约众包质量演化稳定性的3个关键因素,即完成众包任务获取的经济利益、任务请求者的消费效用以及任务完成者参与众包带来的安全风险对实现众包质量最大化的作用机理.

     

基于契约理论的移动众包网络长期激励机制研究

针对移动众包网络中网络信息非对称的问题和移动众包任务参与者的自私性,提出一种基于契约的移动众包网络的长期激励机制。考虑到移动众包任务参与者的移动性和环境的动态特性,在建立软件服务商和移动用户模型基础上,研究两阶段动态契约激励模型。在移动用户满足激励相容和参与约束条件下,通过甄别移动用户完成移动众包任务的真实众包任务努力的能力,实现软件服务商期望效用最大化。实验结果表明,该机制能够有效提高移动众包网络的共享性能,为移动众包的发展提供新思路。     

网络科学的发展新动力:大数据与众包

大数据时代的来临给网络科学带来了新的发展机遇,但如何处理海量数据也成为网络科学领域面临的严峻挑战.与大数据时代同时到来的,是近年来兴起的众包项目模式.公开竞赛和数据公开等众包形式,已成为解决数据领域问题非常流行的方法.该文概述了海量数据和众包模式在多个方面对网络科学发展的促进作用,并详细介绍了2013年首届阿里数据平台创新大赛的竞赛流程和本团队的获奖成果.在众包模式的驱动下,人们期待以大数据处理为中心的数据科学和网络科学相辅相成、共同发展.     

众包中接包方参与影响因素研究综述

本文首先界定了众包的含义,结合社会认知理论的理论框架从个人动机因素和环境因素两个方面对众包中接包方参与的影响因素进行综述,并总结研究的相关理论基础,最后结合现有研究的不足,从三个方面展望未来:一是从理论层面的更深入的探讨,二是结合案例具体分析研究,三是对更多形式的众包的对比研究。     

众包平台接包方期望值的影响因素研究: 基于近端-远端框架的实证分析

基于近端-远端框架, 并结合期望值相关理论,构建了众包平台上接包方持续使用意愿的理论模型,通过问卷调查法收集主流众包平台上接包方的数据,并运用结构方程模型进行实证检验。研究结果表明：接包方感知的众包平台体制结构有效性对其期望值（感知自我效能和对平台发包方的信任）有显著正向影响;接包方感知的众包平台工具支持有效性对其期望值有显著积极影响;对平台发包方的信任显著正向影响接包方的持续参与意愿,而感知自我效能对接包方的持续参与意愿的影响则呈边缘显著。     

云环境下众包产品造型设计方案多目标群体决策

针对云环境中众包产品造型设计方案在制造过程中的决策问题,从工业设计角度出发提出多目标群体决策方法. 将已有众包产品造型设计方案作为研究对象,分析云环境中众包产品造型设计与制造过程的特点. 根据方案特点分析群体决策过程中须考虑的评价目标,采用层次分析法对评价目标与目标权重进行计算,建立众包设计方案的多目标评价体系. 将多目标群体决策问题转化为多目标优化问题,以评价体系为依据构建众包产品造型设计方案多目标群体决策模型,采用优化方法对模型进行求解,得到与理想方案最接近的众包设计方案. 以医疗镇痛泵的众包造型设计方案决策问题为例进行验证,结果表明所提方法可以有效解决众包产品造型设计方案在制造过程中的群体选择决策问题.     

具有隐私保护的车联网空间众包任务分配方法

为了解决传统车联网空间众包中集中式空间众包服务器不可信和易遭受攻击给用户隐私带来极大威胁的问题,提出区块链架构下具有隐私保护的车联网空间众包任务分配方法. 基于区块链技术,设计分布式可信的车联网空间众包系统. 采用多密钥全同态加密算法实现任务分配,支持对不同车辆用户 (密钥) 的密文数据进行任务分配,降低隐私泄露的可能性. 实验分析表明,采用该方法能够有效地保护用户隐私信息,任务分配的计算时间开销与现有研究方法相比下降了34.3%,提高了任务分配的效率.     

基于蒙特卡洛树搜索的众包概率规划

概率规划问题描述的是一个马尔科夫决策过程,其中的动作具有并行性和不确定性,从而导致概率规划问题的状态空间产生组合爆炸。过大的状态空间会降低规划器的效率,同时也会提高求解的难度。基于蒙特卡洛树搜索的众包概率规划可以将规划任务动态分配给多个规划器,由多个规划器共同对规划问题进行求解;同时使用蒙特卡洛树搜索算法构建前瞻树,通过前瞻树评估不同规划器返回的动作的质量。实验结果表明,随着时间限制放宽,该方法所求得的解的质量呈上升趋势;即使在相同条件下,该方法在求解效率和标准差上都有优势。     

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略. 考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型. 根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子. 通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性. 对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.     

火电厂脱硫技术应用现状及发展

综述了火电厂脱硫技术,对不同脱硫方式进行了分析比较,介绍了国外火电厂脱硫技术的应用开发情况,分析了我国火电厂脱硫技术的应用现状,针对我国火电厂脱硫现存问题提出了建议.     

GPS和GIS在智能交通系统中的应用

通过对国内外现有GPS和GIS运用的分析，用事例说明GPS和GIS在智能交通系统中的应用情况，阐明了GPS和GIS结合的重要性及其应用的便捷性、安全性和服务多样性．同时也提出了存在的问题，并指出了研究的方向．