×
李志耀;程博森;高晓峰;陈、怀;陈桂海

针对现实移动众包系统的统一任务推荐策略。 （英语） Zbl 1477.68303号

西奥。计算。科学。 857, 43-58 (2021).
摘要：设计良好的任务推荐框架旨在保护数据质量并提高任务执行结果。然而，由于现实条件下的预算限制，目前的众包系统忽略了很少有重复任务期望的事实。此外，由于任务生命周期短，一个实用的众包系统需要在不了解具体任务内容的情况下推荐新任务。因此，由于理想化的假设，大多数现有研究都不适用。在本文中，我们形式化地定义了这个问题，并证明了它是NP-Hard。针对该问题，我们设计了一个针对现实条件的统一任务推荐系统，即先锋辅助任务推荐（PATRON）框架。该框架首先选择一组先锋工作者来收集新任务的初始知识。然后采用（k）-medoids聚类算法，根据工人相似性将工人划分为子集。集群选择和工作人员修剪提供了准确有效的建议，满足了请求者的有效建议要求。最后，我们基于中国著名众包平台腾讯SOHO的真实数据集进行了实验。实验结果表明，PATRON与三种基线方法相比，从推荐成功率和推荐员工素质等多个角度证明了该方法的效率和准确性。

引用于1文件

MSC公司：

68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）

关键词：

众包;推荐系统;K-中心点
PDF格式BibTeX公司 XML格式引用
\textit{Z.Li}等人，Theor。计算。科学。857，43-58（2021；Zbl 1477.68303）
全文： DOI程序

参考文献：

[1] 张，C。；Wang，Y。；刘，P。；Lin，T。；罗，L。；于，Z。；Zhuo，X.，Pmviewer:中国细粒度城市PM2.5监测的众包方法，（IEEE移动Ad Hoc和传感器系统国际会议。IEEE移动Ad和传感器系统世界会议，MASS（2017）），323-327
[2] 胡，H。；李·G。；鲍，Z。；崔，Y。；Feng，J.，基于众包的实时城市交通速度估算：从趋势到速度，（IEEE国际数据工程会议（ICDE）（2016）），883-894
[3] Dittus，M。；Quattrone，G。；Capra，L.，《应急响应期间的大规模参与：人道主义测绘中以事件为中心的众包》，（计算机支持的合作工作会议（2017）），1290-1303
[4] 陈，X。；Deng，B.，机会主义移动社交网络中众包的任务分配方案，（国际计算、网络和通信会议（ICNC）（2018）），615-619
[5] 乔·L。；唐，F。；Liu，J.，协同众包中基于反馈的高质量任务分配，（IEEE高级信息网络与应用国际会议（AINA）（2018）），1139-1146
[6] 范，J。；周，X。；高，X。；Chen，G.，移动社交网络中的众包任务调度，（面向服务计算国际会议（ICSOC）（2018）），317-331
[7] 刘，C。；高，X。；Wu，F。；Chen，G.，QITA:基于质量推理的移动众感知任务分配，（面向服务计算国际会议（ICSOC）（2018）），363-370
[8] Allanyu，腾讯SOHO（2020）
[9] 瑞原美原。；Sakai，K。；Fukumoto，S.，机会主义网络中移动众包的协作任务分配算法，（IEEE国际通信会议（ICC）（2018）），1-6
[10] Kumai，K。；松原，M。；Shiraishi，Y。；Wakatsuki，D。；张杰。；Shionome，T。；北川，H。；Morishima，A.，《众工作者小组对任务流的技能和压力软件分配》（AAAI人类计算和众包会议（HCOMP）（2018）），88-97
[11] 萨夫兰，M.S。；Che，D.，针对大规模众包系统中前N个任务和前N个工作人员的高效基于学习的推荐算法，ACM Trans。信息系统。（TOIS），37，第2条pp.（2019）
[12] 林，X。；徐，J。；胡，H。；Fan，Z.，通过配对众包减少概率前k排名的不确定性，（国际开放和远程教育理事会（ICDE），第14卷（2018）），1757-1758
[13] 卡斯塔诺，S。；费拉拉，A。；Montanelli，S.，《在众包任务路由中引入在线剖面学习》（意大利数据库系统研讨会（SEBD）（2018））
[14] 萨夫兰，M。；Che，D.，针对大规模众包系统中top-n任务和top-n工作者的高效基于学习的推荐算法，ACM Trans。信息系统。（TOIS），37，第2条pp.（2019）
[15] 康（Kang，Q.）。；Tay，W.P.，基于学习偏好和可靠性的众包任务建议（2018），CoRR
[16] 努雷丁，D.B。；加尔比，A。；Ahmed，S.B.，基于规划和分布式任务分配的社会多智能体合作系统——真实案例研究，（国际软件技术会议（ICSOFT）（2018）），483-493
[17] 杜，Y。；Sun，Y.-E。；黄，H。；黄，L。；Xu，H。；Wu，X.，使用潜在主题模型的质量感知在线任务分配机制，Theor。计算。科学。（TCS），803130-143（2019）·Zbl 1443.91174号
[18] D’Angelo，G.（美国）。；Severini，L。；Velaj，Y.，通过影响力最大化推荐链接，Theor。计算。科学。（TCS），764，30-41（2019）·Zbl 1417.68157号
[19] 艾丁，B.I。；Yilmaz，Y.S。；李毅。；李强。；高杰。；Demirbas，M.，众包多选问答，（AAAI人工智能会议（2014）），2946-2953
[20] 郑，Y。；李·G。；Cheng，R.，DOCS：领域感知众包系统，Proc。荷兰VLDB。（PVLDB），10361-372（2016）
[21] Mavridis，P。；格罗斯·阿姆巴拉德，D。；Miklós，Z.，《在知识密集型众包中使用分层技能优化任务分配》，（万维网国际会议（WWW）（2016）），843-853
[22] 萨贝里，M。；侯赛因，OK。；Chang，E.，《基于内部众包的组织数据库重复数据消除框架中员工的质量管理》，IEEE Access，790715-90730（2019）
[23] 张杰。；盛，V。；Wu，J.，使用双层协作聚类的众包标签聚合，IEEE Trans。神经网络。学习。系统。，30, 3172-3185 (2019)
[24] 辛格，V.K。；Mukhopadhyay，S。；Xhafa，F.，《物联网众包的预算可行同行评分机制》（2018），CoRR
[25] Sarma，A.D。；帕拉梅斯瓦兰，A.G。；Widom，J.，《走向全球最佳众包质量管理：统一的工人设置》（国际数据管理会议（SIGMOD）（2016）），第47-62页
[26] 卡维塔，C。；拉克希米，R.S。；Devi，J.A。；Pradheeba，U.，《基于hadoop平台的众包系统中员工素质评估》，国际期刊《理性》-基于智能。系统。（IJRIS），11（2019）
[27] Sarker，S。；Razzaque，医学硕士。；哈桑，M.M。；阿尔莫格伦，A。；福蒂诺，G。；Zhou，M.，众包工作者的最佳选择，平衡其公用事业和平台利润，IEEE Int.Things J.（IoT-J），68602-8614（2019）
[28] 马，F。；李毅。；李强。；邱，M。；高杰。；Zhi，S。；苏·L。；赵，B。；纪浩。；Han，J.，Faitcrouw:众包数据聚合的细粒度真相发现，（ACM知识发现和数据挖掘国际会议（SIGKDD）（2015）），745-754
[29] Yang，Z。；张，Z。；Bao，Y。；甘，X。；田，X。；Wang，X.，Ontac:众包在线任务分配，（IEEE国际通信会议（ICC）（2016）），1-6
[30] 李，J。；朱，Y。；华，Y。；Yu，J.，《智能手机众包感知：随机拍卖方法》，IEEE Trans。暴徒。计算。（TMC），16，2764-2777（2017）
[31] Yang，D。；薛，G。；方，X。；Tang，J.，《众包激励机制：智能手机众包》，IEEE/ACM Trans。Netw公司。（TON），24，1732-1744（2016）
[32] 张，H。；Sugiyama，M.，异质众包中基于盗贼的任务分配的任务选择，（人工智能技术与应用会议（TAAI）（2015）），164-171
[33] Pilourdault，J。；阿米尔·叶海亚，S。；Lee，D。；Roy，S.B.，《众包中的动机软件任务分配》，（国际扩展数据库技术会议（EDBT）（2017）），246-257
[34] Aggarwal，C.C.，《推荐系统-教科书》（2016），施普林格出版社
[35] Ng，R.T。；Han，J.，CLARANS:空间数据挖掘的对象聚类方法，IEEE Trans。知识。最小数据（TKDE），141003-2016（2002）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。