检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于众包的多楼层定位方法

计算机研究与发展 2022年第2期59卷 452-462页

作者：罗娟章翠君王纯湖南大学信息科学与工程学院长沙410082

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... 详细信息

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.

关键词：众包隐马尔可夫模型 WiFi指纹定位维特比算法地图匹配

众包中基于CIDA和PI-Cosine的双向质量控制策略

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第10期50卷 282-290页

作者：刘庆菊潘庆先童向荣于嵩潘亚楠烟台大学计算机与控制工程学院山东烟台264005

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... 详细信息

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%。

关键词：众包质量控制 CIDA算法 PI-Cosine相似性检测垃圾邮件

FPCBC:基于众包聚合的联邦学习隐私保护分类系统

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2022年第11期59卷 2377-2394页

作者：金歌魏晓超魏森茂王皓山东师范大学信息科学与工程学院济南250358

随着企业、政府以及私人等数据资产的不断增加,机器学习领域对于图像等分类应用需求也随之不断增涨.为了应对各种实际的需求,机器学习即服务(machine learning as a service,MLAAS)的云服务部署思想逐渐成为主流.然而,基于云服务实现的... 详细信息

随着企业、政府以及私人等数据资产的不断增加,机器学习领域对于图像等分类应用需求也随之不断增涨.为了应对各种实际的需求,机器学习即服务(machine learning as a service,MLAAS)的云服务部署思想逐渐成为主流.然而,基于云服务实现的应用往往会带来严重的数据隐私安全问题.FPCBC(federated learning privacy-preserving classification system based on crowdsourcing aggregation)是一种基于众包聚合的联邦学习隐私保护分类系统.它将分类任务众包给多个边缘参与方并借助云计算来完成,不再使用联合训练理想模型的方式来得到可信度高的分类结果,而是让参与方先根据本地有限数据训练出的模型进行推理,然后再使用成熟的算法对推理结果聚合得到较高准确率的分类.重要的是,保证了数据查询方不会泄露任何隐私数据,很好地解决了传统MLAAS的隐私安全问题.在系统实现中,使用同态加密来对需要进行机器学习推理的图像数据加密;改善了一种众包的联邦学习分类算法,并通过引入双服务器机制来实现整个系统的隐私保护计算.通过实验和性能分析表明了该系统的可行性,且隐私保护的安全程度得到了显著提升,更适用于实际生活中对隐私安全需求较高的应用场景.

关键词：联邦学习众包同态加密隐私保护机器学习分类

在线全文

学校读者我要写书评

暂无评论

三方众包市场中的发包方-平台博弈机制设计

计算机研究与发展 2022年第11期59卷 2507-2519页

作者：何雨橙丁尧相周志华计算机软件新技术国家重点实验室(南京大学) 南京210023

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... 详细信息

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.

关键词：众包博弈理论机制设计在线学习反事实遗憾最小化

在线全文

学校读者我要写书评

暂无评论

众包环境下基于用户兴趣的玩伴匹配模型

小型微型计算机系统 2022年第6期43卷 1329-1334页

作者：高丽萍董梦宇高丽陈庆奎上海理工大学光电信息与计算机工程学院上海200093 上海理工大学图书馆上海200093

如今,外出旅行占据了人们解压方式的很大比重.拥有一个(些)志同道合的旅行玩伴成为了旅行能否舒心的一个重要因素.结合众包思想,用户发布结伴需求(用户可成为众包的任务发布者也可以成为任务的执行者),平台为用户匹配志同道合的玩伴,用... 详细信息

如今,外出旅行占据了人们解压方式的很大比重.拥有一个(些)志同道合的旅行玩伴成为了旅行能否舒心的一个重要因素.结合众包思想,用户发布结伴需求(用户可成为众包的任务发布者也可以成为任务的执行者),平台为用户匹配志同道合的玩伴,用户及其玩伴共同执行出去游玩任务,这样,在保证旅行质量的前提下,可以节省用户的金钱,实现资源共享,具有很好的现实意义.因此,本文提出了一个基于用户兴趣的玩伴匹配算法CGA(Car Group Allocation),根据仿真的用户历史访问数据为用户匹配具有相似兴趣的其他用户,且提出了用户根据意愿选择是否提供交通工具,也可以选择是否服从调剂,同时提供车辆的用户可以根据需求决定车辆剩余位置等现实因素.该算法采用真实的POIs(points of interest)点,仿真用户兴趣以及结伴需求,结合现实情况下的约束,运用蚁群算法迭代,为用户匹配相似度最高的群体.实验证明了本模型的有效性.

关键词：众包玩伴匹配聚类蚁群算法

在线全文

学校读者我要写书评

暂无评论

众包竞赛中备选反馈对接包方参与行为的影响

管理评论 2023年第6期35卷 233-247页

作者：毕功兵黄慧娟徐扬中国科学技术大学管理学院合肥230026 安徽财经大学金融学院蚌埠233030

众包竞赛中发包方作为需求方和决策主体,能够通过信息反馈影响接包方的参与行为。本文研究了一种新型反馈机制,即备选方案的设置如何影响后期接包方参与行为。从“猪八戒”网爬取了454个众包项目作为研究样本,为得到备选反馈带来的净效... 详细信息

众包竞赛中发包方作为需求方和决策主体,能够通过信息反馈影响接包方的参与行为。本文研究了一种新型反馈机制,即备选方案的设置如何影响后期接包方参与行为。从“猪八戒”网爬取了454个众包项目作为研究样本,为得到备选反馈带来的净效应,采用倾向得分匹配得到实验组与对照组,并设置时间序列以天数为单位,最终形成2698条非平衡面板数据,并构建双重差分模型进行实证分析。研究结果表明,发包方设置备选方案对后期接包方的参与意愿有负效应,且对技能水平低的接包方的负效应更大,但能提升单个接包方的平均提交数,即备选反馈会激励接包方做出更大的参赛努力。进一步考虑奖金吸引力、备选方案数和竞赛透明度对反馈效果的调节作用,发现奖金吸引力对反馈效果没有显著的调节作用,而备选方案数越少、竞赛透明度越高,反馈对接包方技能水平的影响越显著,但反馈对接包方参与意愿的作用效果并不受其影响。

关键词：众包平台备选反馈倾向得分匹配双重差分模型

在线全文

学校读者我要写书评

暂无评论

众包数据库综述

计算机学报 2020年第5期43卷 948-972页

作者：柴成亮李国良赵天宇骆昱宇于明鹤清华大学计算机系北京100084 东北大学软件学院沈阳110167

现如今,很多数据处理与分析的任务仅仅依靠机器算法难以达到理想的效果.因此,众包技术应运而生,其利用群体的智慧来解决对于计算机而言比较难的问题.其中,众包平台(例如Amazon Mechanical Turk)为众包技术的应用提供了有力的支撑.平台... 详细信息

现如今,很多数据处理与分析的任务仅仅依靠机器算法难以达到理想的效果.因此,众包技术应运而生,其利用群体的智慧来解决对于计算机而言比较难的问题.其中,众包平台(例如Amazon Mechanical Turk)为众包技术的应用提供了有力的支撑.平台上有成千上万的网络大众来为任务发布者解决问题.然而,对于任务发布者而言,其与众包平台交互是不方便的,因为平台会要求任务发布者设置很多参数甚至书写代码.所以研究者们借鉴传统数据库的思想,提出了众包数据库的概念,其封装了任务发布者、众包平台以及众包工人之间的复杂交互过程,为发布者提供友好的API.使发布者可以通过简单的类SQL语言与平台交互.在这篇综述中,我们首先介绍众包的概念;然后介绍设计众包数据库时需考虑的一些基本技术,例如真值推理、任务分配,代价优化等;接着我们介绍几种主流的众包数据库系统.此外,我们会介绍对于不同的数据库算子,包括选择、连接、排序等优化技术.最后我们会介绍该领域未来的研究方向与挑战.

关键词：数据库众包查询优化质量控制成本控制

众包平台用户价值识别与细分:基于改进的RFM模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第4期49卷 37-42页

作者：陈丹红彭张林万德全杨善林合肥工业大学管理学院合肥230009 过程优化与智能决策教育部重点实验室合肥230009

在众包平台上,不同类型的用户在参与意愿、工作动机、业务能力等方面具有多样性和差异性的特征,在平台上产生的价值也不同。基于用户价值度量对用户进行细分,是更好地洞察用户价值和需求、对用户进行个性化和精细化管理的关键。同时,选... 详细信息

在众包平台上,不同类型的用户在参与意愿、工作动机、业务能力等方面具有多样性和差异性的特征,在平台上产生的价值也不同。基于用户价值度量对用户进行细分,是更好地洞察用户价值和需求、对用户进行个性化和精细化管理的关键。同时,选择众包用户价值衡量维度也是目前需要解决的问题。因此,该研究首先基于RFM模型并结合众包平台及众包用户的特性,将用户信用纳入用户价值模型,提出并构建了众包用户价值衡量模型RFMC(Recency,Frequency,Monetary,Credit);然后,结合“一品威客”平台获取所需的实验数据,运用GBDT算法完成众包用户分类;最后,比较了Nave Bayes,Multinomial Logistic Regression与GBDT算法的分类效果,并比较了不考虑用户信用的传统模型与RFMC模型的分类效果。结果表明,所提模型适用于众包用户且具有较好的实验效果。

关键词：众包用户细分 RFM模型 GBDT算法

在线全文

学校读者我要写书评

暂无评论

众包团队群组角色高阶指派研究

众包团队群组角色高阶指派研究

作者：付京东广东工业大学

学位级别：硕士

众包是一种高效的分布式问题解决模式,在大规模众包中,往往需要通过网络平台组织任务分配。近年来,众包从解决简单而独立的任务为目标的传统众包,逐步地发展到汇集庞大的用户群体以完成大型复杂任务的新型众包。在大规模复杂任务众包中... 详细信息

众包是一种高效的分布式问题解决模式,在大规模众包中,往往需要通过网络平台组织任务分配。近年来,众包从解决简单而独立的任务为目标的传统众包,逐步地发展到汇集庞大的用户群体以完成大型复杂任务的新型众包。在大规模复杂任务众包中,平台直接将大型复杂任务分配给团队。为了确保任务的快速完成,平台需要将一项任务分配给多个团队,而一个团队至少由一名用户组成。另一方面,为了确保用户的积极性和收入,平台允许一名用户参与有限数量的团队,因此一个团队可以承担多个任务。由此,平台将会面临以下难题,任务分配需要保证不能超过每个用户的最大任务负荷,并避免信息泄漏风险。其中信息泄露是由一名用户同时加入多个承担相同任务的团队造成的。因此分配给某项任务的不同团队中不能包含同一位用户。这种场景在高阶基数约束下形成多对多(Many to Many,简称M2M)分配问题,而平台希望为特定时间窗内的所有任务选择合适的优秀团队。为解决上述任务分配问题,本文通过为群组多角色指派(Group Multirole Assignment,简称GMRA)问题中引入高阶基数(High-order Cardinality,简称HC)和角色上的冲突代理(Conflict Agents on Roles,简称CAR)约束,将上述问题进行形式化建模。主要研究内容包括:1)通过引入团队组成矩阵形式化描述HC和CAR约束,实现对GMRA问题的拓展性研究,以将众包中的任务到团队,团队到用户的高阶指派问题形式化建模,并由此提出团队分配问题(Team Allocation Problem,简称TAP);2)使用通用线性规划求解器IBM ILOG CPLEX(简称CPLEX),为形式化问题提供实用的求解方案,并通过大规模仿真实验验证该方法的可行性;3)提出描述上述问题的解空间的充要条件(Necessary and Sufficient Condition,简称NSA)理论,并对该理论进行证明。利用外置判定条件方程组,提出上述问题的必要条件(Necessary Condition,简称NEC)和充分条件(Sufficient Condition,简称SUF)及其理论证明,通过预先筛选部分无可行解问题的方式,对大规模问题情况下的求解时间进行优化。4)通过平行实验验证了上述优化方法的有效性,并进行实验验证代理组成规模和团队形成粒度等因素如何影响TAP模型的有解率。基于本文提出的解决方案,通过对照性实验验证了相关模型与算法的准确性、时效性与鲁棒性。此外,经大规模随机求解验证,论文提出的基于CPLEX求解器的NECgreedy+SUF求解方案,在保证最优解的情况下,比基准CPLEX求解方案最高提升了118.29倍求解效率。在避免信息泄漏风险的情况下,有力支持了众包团队的优质、高效组建。

关键词：众包团队高阶基数约束冲突群组角色多对多指派