融合关联规则的MOOC资源众包平台任务分配算法

在高校大力发展MOOC平台背景下,为了提升学生的主动性、MOOC平台资源库的丰富性,出现了众包协同构建资源的方法,让学生和教师构成学习共同体,在完成新知识学习的同时进行资源库建设。高校MOOC众包平台的任务就属于知识密集型任务,挑选合适的参与者直接关系到MOOC资源库构建质量。为了更好地构建高校MOOC资源平台,提出一种针对知识密集型众包任务的分配方案,它包含学生的准入筛选、预期工作能力评估两个阶段。首先利用改进Apriori课程关联算法对学生进行准入筛选;其次利用知识关联算法对学生预期工作能力进行评估并将众包任务分配到工作能力最合适的学生;最后对方案进行测试验证,结果表明该方案能够能较好地提升学生挑选和任务分配的效果,促进构建更高质量的MOOC资源库。     

基于区块链的众包物流分级多层智能服务交易监管架构

针对现代服务业的支柱产业众包物流缺乏交易监管致使存在的伪造、欺骗、隐私泄露和不可追溯等安全威胁,提出了基于区块链的众包物流分级多层智能服务交易监管架构。首先,该架构采用了国家授权认证中心对物流服务平台监管与物流服务平台对物流参与主体监管的二级监管体系。之后,在该监管体系架构下,实现了群智合约、合法匿名的身份认证、智能交易匹配、异常数据分析与检测、隐私保护及可追溯等功能。然后,通过安全性分析与交易监管构件软件验证交易监管架构的安全可控及运行效率。最后,在真实的众包物流企业平台上运行该软件构件进行实际测量,测量结果显示,所提出的众包物流分级多层智能服务交易监管架构是安全可控的,能够保障用户和数据的隐私,防范伪造和欺骗,实现用户行为和用户数据的可审计和可追溯。     

Entropy-Beta：用于模式匹配众包方法中的发包策略

模式匹配是数据管理中的一个基础性问题。随着数据集的不断增长,使用自动化模式匹配工具能大大节省匹配时间,但其给出的结果带有不确定性,且难以消除。提出了一种用于模式匹配众包方法中的问题发布策略“Entropy-Beta”。该方法在发包阶段,对发包流程进行了优化,用于提高解决模式匹配不确定性问题
　　的效率。在此基础上提供了对众包工作者答案精度评估的方法,用于提高解决模式匹配不确定性问题的精确度。最后通过实验证明,“Entropy-Beta”问题发包策略更加高效,并且在有限的成本下,运用该发包策略能提高解决问题的精确度。     

基于众包的词汇联想网络的获取和分析

词典是汉语自然语言处理中非常重要的一类资源,它能为汉语词法句法以及语义分析等提供资源支撑。该文采用众包方法构建汉语语义相关性词典,该词典是通过触发词联想的方式间接获取的,因此又称为词汇联想网络。词汇联想网络相比传统词典具有以下特点 (1)获取代价低;(2)面向互联网,易扩展;(3)词语关系从人的认知角度来建立,符合人的直觉。该文详细介绍词汇联想网络的获取方法并对已获取的数据进行分析,另外,将词汇联想网络与《知网》、《同义词词林》以及微博文本ngram进行比较说明其上述特点。     

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.     

Trajectory recommendation for task accomplishment in crowdsourcing – a model to favour different actors

Crowdsourcing systems (CS) are platforms that enable users, called requesters, to publish tasks that others, called workers, are expected to accomplish. Usually, these are systems where workers perform tasks using desktop computers. Recently, some CS have appeared with location-based tasks that require a worker to be at a given location within a given time window to be accomplished. In this paper, we study the problem of matching these location-based tasks and mobile workers under a novel perspective where three actors (workers, requesters and the system itself) of the CS may benefit differently from a configuration of tasks and workers. We introduce the Trajectory Recommendation Problem (TRP) where a CS finds a trajectory (sequence of tasks) for a single mobile worker that maximises the satisfaction of one or more of the actors. We show that TRP is NP-complete and then propose an exact algorithm for solving it. Our experiments have proved that our algorithm is a feasible solution when up to a few hundred tasks must be analysed to find an optimal solution. Finally, we propose an architecture for the deployment of the recommendation in a CS.     

Collecting floating car data with smartphones: results from a field trial in Austria

Abstract

This work reports on results from a field trial regarding the collection of floating car data with smartphones in Austria. The field trial has been conducted within Austria’s National Floating Car Data Testbed pursuing the goal to test different aspects of floating car data technology for traffic data collection, traffic state estimation and traffic prediction. The test bed collects, processes and analyses FCD from several thousand vehicles. The field trial for smartphone-based data collection has been conducted within the Federal State of Salzburg covering 1500 kilometres of major road network. Between the launch of the Android-based smartphone application in March 2014 and the end of the field trial in February 2015, the application has been downloaded by more than 2100 users. One year after launch the app is still installed on 650 devices and attracts around 15 users daily. The work gives insights into the application’s concepts and discusses app usage statistics, usage patterns and user feedback in the context of community-driven traffic data collection. On the one hand, results from the field trial confirm that community-driven traffic data collection is still not a phenomenon of the masses due to various challenges discussed throughout the work. On the other hand, results contribute to a deeper understanding of community-driven data collection in the traffic domain and help to learn for future trials.     

群智设计发展趋势及分析

目的 通过文献计量分析方法,研究当前众包模式下,以群体智慧协同为主要设计方式的产品设计新范式。方法 以群智设计的概念为基础,采集2000年以来国内外知名的数据库相关研究文献进行统计分析,梳理群智设计的关键要素及典型特征,探讨其与其他产品设计理论与方法之间的异同,总结群智设计的发展趋势,概述群智设计研究存在的挑战。结果 众包模式下的群智设计执行机制灵活、设计创新高效、知识技能广泛,能够应对海量个性化用户需求的挑战,适应现代产品的发展要求。结论 群智设计的关键要素和典型特征区别于现有的典型产品设计方法,阐明了群智设计的本质;群智设计的3个类型和层次模型,概括了群智设计的发展要求;随着众包模式的不断应用,开放平台、用户需求、设计群体三元融合发展,群智设计的研究更加广泛、健全,逐渐从需求、平台和群体等方面向任务分解、群体组织、过程管控等方向发展。     

电商物流用组合式共享周转箱及众包运输模式的研究

目的通过众包运输模式降低物流运输成本,以实现环保可持续发展的周转箱,提高其利用率。方法设计一种组合式具有运输包装特性的共享周转箱,带有电子模块,以满足共享及众包运输的需求,并应用于电商物流运输。结果经AnsysWorkbench仿真分析,得出所设计周转箱底板上的最大位移仅为4.47 mm,且比目前电商使用的周转箱底板质量轻150 g。结论通过模块化、信息化功能,可以达到周转箱的共享和众包运输效果,组合式设计不仅具有缓冲性、可靠性,而且通过更换箱盖、底板等零件,可降低使用成本。     

基于Worker权重差分进化与Top-k排序的结果汇聚算法

针对众包结果汇聚中最优排序结果选取的时效性问题,提出了Worker权重的高效快速汇聚算法.其中Worker权重的差分进化算法重点考虑众包Worker完成排序任务存在的差异性问题,基于目标函数和约束条件中Worker完成任务的不确定性和差异性影响,建立基于差分进化算法的Worker权重优化模型,获取多数据项场景下候选结果...