基于区块链的众包系统研究综述

基于区块链的众包系统可以为用户提供不依赖集中式中央平台且安全可信的交易环境。文章系统地梳理了近五年来基于区块链的众包系统的研究工作。首先,介绍了众包的概念以及区块链技术的基本原理。其次,分析了传统基于集中式中央平台的众包系统存在的问题,并针对这些问题提出基于区块链技术的解决思路。再次,从架构设计、安全隐私、共识机制、数据存储四个方面分析了基于区块链的众包系统设计所面临的问题以及对应的解决方案。最后,展望了基于区块链的众包系统领域未来的研究方向。     

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。     

基于区块链的去中心化众包技术综述

区块链技术可以广泛应用于各种服务,如在线微支付、供应链跟踪、医疗记录共享以及众包.将该技术应用到众包系统中,可以得到一个去中心化的、隐私保护的、可验证和可追溯的众包服务平台.随着区块链技术的发展,出现了许多基于区块链的众包解决方案,但是缺乏对相关研究的综述.目前研究人员主要从两个角度对去中心化的众包系统展开研究:基于智能合约的去中心化众包平台、基于区块链架构的去中心化众包平台.文中详细综述了主要的基于区块链的去中心化众包的相关工作,并且总结了已有技术中出现的问题,如区块链系统的安全性、智能合约的安全性以及隐私保护的相关问题,并对这些问题展开了详细讨论.最后展望了该领域未来的可研究问题,并提供了大量的可参考文献.     

三方众包市场中的发包方-平台博弈机制设计

众包(crowdsourcing)通常涉及到目标各不相同的多个参与者.设计有效的众包机制,使得各个参与者在竞争中实现共赢,是众包理论研究中的基本问题之一.当前,众包机制设计通常基于发包方-标注者直接进行交互的两方博弈模型.而现实应用中,发包方与标注者之间往往通过平台进行交互,从而构成三方博弈下的众包市场.其中的发包方-平台博弈机制设计是过往众包研究中未曾涉及的全新问题.将三方众包市场建模为不完全信息博弈,并证明该博弈问题的Nash均衡可通过在线学习来最小化发包方和平台的累计遗憾而达到.在单发包方情形下,证明经典的EXP3算法对于发包方的最优性,并基于反事实遗憾最小化技术为平台设计了有效策略.同时,将单发包方情形下发包方和平台策略拓展到多发包方情形下并给出理论分析.合成及真实数据集上的实验验证了该方法的有效性.     

面向众包数据清洗的主动学习技术

传统方法多数采用机器学习算法对数据进行清洗.这些方法虽然能够解决部分问题,但存在计算难度大、缺乏充足的知识等局限性.近年来,随着众包平台的兴起,越来越多的研究将众包引入数据清洗过程,通过众包来提供机器学习所需要的知识.由于众包的有偿性,研究如何将机器学习算法与众包有效且低成本结合在一起是必要的.提出了两种支持基于众包的数据清洗的主动学习模型,通过主动学习技术来减少众包开销,实现了对给定的数据集基于真实众包平台的数据清洗,最大程度减少成本的同时提高了数据的质量.在真实数据集上的实验结果验证了所提模型的有效性.     

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。     

基于“众包”的软件开发模式

随着Internet技术的快速发展,“众包”成为一种灵活有效的解决问题方式. 虽已在很多领域中得到广泛的应用,但在软件开发领域的应用仍存在很多问题,如缺乏统一标准及开发方法,没有成熟的应用平台等. 针对此问题,本文提出一个基于“众包”的软件开发平台及“众包”软件开发方法,一定程度上为利用“众包”进行软件开发提供了一种思路和借鉴.     

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.     

软件众包参与度影响因素分析及预测模型

随着"众包"这种商业模式的快速发展, 越来越多的互联网公司选择以"众包"的形式发布软件任务. 然而, 软件任务因其高门槛、高复杂度、长周期等特性, 面临着严重的低参与度问题. 本文结合全球最大的软件众包平台TopCoder的数据, 对软件众包任务的参与度进行研究. 首先, 使用多元回归分析了影响软件众包参与度的因素; 接着, 综合数据挖掘领域的多种分类预测算法, 探讨软件众包参与度的预测模型. 希望通过本实证研究, 为发包方、众包平台降低软件众包的低参与风险提供参考.     

基于Web的众包文本标注平台构建与应用

针对现有文本标注工具中缺乏复杂类型标注功能和众包质量检测方法等问题,构建了一个基于Web的众包文本标注平台。一方面,平台采用浏览器/服务器（B/S）的开发架构和前后端分离的开发方式,实现了复杂类型文本标注的需求,提供序列标注、单标签标注、量级标签标注、多层次标签标注和嵌套文本标注等场景的文本标注功能;另一方面,还提出了一种基于监督数据的多数投票一致性检测方法,在随机注入的监督数据上计算标注参与者的标注能力,作为多数投票的权重,进行真值推断得到最终的标注结果。最后,进行了系统功能测试、系统性能测试和浏览器兼容性测试,测试结果表明该系统能够满足复杂类型文本标注的需求,所提出的一致性检测方法能够筛选出高质量的标注内容反馈给用户。提供了一个高效便捷的众包文本标注平台,以构建高质量的文本语料库,助力自然语言处理（NLP）相关任务的研究,并已部署在服务器上,互联网用户可直接通过浏览器访问。     

Task assignment for social-oriented crowdsourcing

Crowdsourcing has become an efficient measure to solve machine-hard problems by embracing group wisdom, in which tasks are disseminated and assigned to a group of workers in the way of open competition. The social relationships formed during this process may in turn contribute to the completion of future tasks. In this sense, it is necessary to take social factors into consideration in the research of crowdsourcing. However, there is little work on the interactions between social relationships and crowdsourcing currently. In this paper, we propose to study such interactions in those social-oriented crowdsourcing systems from the perspective of task assignment. A prototype system is built to help users publish, assign, accept, and accomplish location-based crowdsourcing tasks as well as promoting the development and utilization of social relationships during the crowdsourcing. Especially, in order to exploit the potential relationships between crowdsourcing workers and tasks, we propose a “worker-task” accuracy estimation algorithm based on a graph model that joints the factorized matrixes of both the user social networks and the history “worker-task” matrix. With the worker-task accuracy estimation matrix, a group of optimal worker candidates is efficiently chosen for a task, and a greedy task assignment algorithm is proposed to further the matching of worker-task pairs among multiple crowdsourcing tasks so as to maximize the overall accuracy. Compared with the similarity based task assignment algorithm, experimental results show that the average recommendation success rate increased by 3.67%; the average task completion rate increased by 6.17%; the number of new friends added per week increased from 7.4 to 10.5; and the average task acceptance time decreased by 8.5 seconds.     

Ethical norms and issues in crowdsourcing practices: A Habermasian analysis

Crowdsourcing practices have generated much discussion on their ethics and fairness, yet these topics have received little scholarly investigation. Some have criticized crowdsourcing for worker exploitation and for undermining workplace regulations. Others have lauded crowdsourcing for enabling workers' autonomy and allowing disadvantaged people to access previously unreachable job markets. In this paper, we examine the ethics in crowdsourcing practices by focusing on three questions: (a) What ethical issues exist in crowdsourcing practices? (b) are ethical norms emerging or are issues emerging that require ethical norms? and, more generally, (c) how can the ethics of crowdsourcing practices be established? We answer these questions by engaging with Jürgen Habermas' discourse ethics theory to interpret findings from a longitudinal field study (from 2013 to 2016) involving key crowdsourcing participants (workers, platform organizers, and requesters) of three crowdsourcing communities. Grounded in this empirical study, we identify ethical concerns and discuss the ones for which ethical norms have emerged as well as others which remain unresolved and problematic in crowdsourcing practices. Furthermore, we provide normative considerations of how ethical concerns can be identified, discussed, and resolved based on the principles of discourse ethics.     

Providing real-time assistance in disaster relief by leveraging crowdsourcing power

Crowdsourcing platforms for disaster management have drawn a lot of attention in recent years due to their efficiency in disaster relief tasks, especially for disaster data collection and analysis. Although the on-site rescue staff can largely benefit from these crowdsourcing data, due to the rapidly evolving situation at the disaster site, they usually encounter various difficulties and have requests, which need to be resolved in a short time. In this paper, aiming at efficiently harnessing crowdsourcing power to provide those on-site rescue staff with real-time remote assistance, we design and develop a crowdsourcing disaster support platform by considering three unique features, viz., selecting and notifying relevant off-site users for individual request according to their expertise; providing collaborative working functionalities to off-site users; improving answer credibility via “crowd voting.” To evaluate the platform, we conducted a series of experiments with three-round user trials and also a System Usability Scale survey after each trial. The results show that the platform can effectively support on-site rescue staff by leveraging crowdsourcing power and achieve good usability .     

基于众筹预售和众包生产的两阶段最优定价机制

为实现农产品产销供应链中按需生产,供需平衡的同时,提高电商平台的期望收益。分析了电商平台整个产销供应链的问题模型,提出一种基于电子商务平台众筹预售和众包生产的产销模式。基于迈尔森最优拍卖理论设计了众筹预售和众包分配的两阶段最优拍卖定价机制,能够在保证参与用户诚实报价的基础上,同时最大化电商平台的期望收益。实验结果表明,对比传统的先到先服务算法（FCFS）,平均收益在需求数量区间为均匀分布时至少增加了5%,为指数分布时至少增加了18%,且至少能达到假设用户诚实报价下的最优利润（OP）收益的50%。     

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%。     

软件众包开发者的能力价值率模型研究

为了更好地评价众包软件开发者的能力,分析了众包模式下软件众包开发的三个基本要素,即大众开发者、任务发布者、众包平台,提出了一种软件众包开发者能力价值率模型。该模型将软件众包任务从子任务、时间阶段、质量特性三个维度进行细分,首先评价众包原子单元,进而综合评估整个众包软件的质量。模型在评价过程中充分考虑了开发者的价值贡献因素,推演了开发者能力价值率的计算方法。验证实验表明软件众包开发者的综合能力价值率随着任务量的增加,其变化和能力大小关系趋于一致,所设计模型具有更好的稳定性,能够有效地评估软件众包开发者能力。