本文關(guān)鍵詞：基于迭代策略的眾包質(zhì)量研究

  更多相關(guān)文章： 眾包 質(zhì)量控制 熵 迭代檢測(cè)策略 質(zhì)量評(píng)估 迭代近似人群一致算法

【摘要】：隨著網(wǎng)絡(luò)信息技術(shù)的迅速發(fā)展,眾包作為一種全新的服務(wù)方式出現(xiàn)在互聯(lián)網(wǎng)平臺(tái),正在吸引著越來(lái)越多的工作者參與。最近幾年,眾包已經(jīng)被廣泛的應(yīng)用于商業(yè)、科研中的許多領(lǐng)域,取得了不錯(cuò)的工作效果。然而眾包依托于復(fù)雜的在線(xiàn)網(wǎng)絡(luò)交易平臺(tái),任務(wù)的發(fā)布是面向互聯(lián)網(wǎng)上的所有用戶(hù),接受工作者的身份匿名,每一個(gè)工作者能力大小、工作態(tài)度各不相同,導(dǎo)致眾包任務(wù)的結(jié)果具有較大不確定性,不能滿(mǎn)足任務(wù)需求者的要求。因此,如何有效地提高眾包結(jié)果的質(zhì)量是當(dāng)前國(guó)內(nèi)外眾包研究中亟需解決的熱點(diǎn)問(wèn)題。本文首先在大量閱讀國(guó)內(nèi)外眾包文獻(xiàn)的基礎(chǔ)上,經(jīng)過(guò)歸納總結(jié),闡述了眾包模式的概念以及眾包在國(guó)內(nèi)外的研究現(xiàn)狀,并對(duì)眾包模式在商業(yè)和科學(xué)研究中的應(yīng)用進(jìn)行了總結(jié)。之后介紹了目前關(guān)于眾包質(zhì)量控制研究的相關(guān)工作,分析了現(xiàn)有眾包質(zhì)量評(píng)估方法中的不足,給出了相應(yīng)的改進(jìn)方法,對(duì)有效提高眾包結(jié)果質(zhì)量評(píng)估具有重要意義。本文所做的主要工作如下:(1)提出了一種眾包質(zhì)量評(píng)估架構(gòu),包括眾包任務(wù)發(fā)布、工作者分類(lèi)和迭代檢測(cè)策略3個(gè)模塊。在該架構(gòu)中,首先使用工作者分類(lèi)算法對(duì)參與眾包任務(wù)的工作者人群進(jìn)行分類(lèi),選擇優(yōu)秀的工作者加入到候選人群;然后從候選人群中選擇工作者參與眾包任務(wù),根據(jù)工作者提交的任務(wù)結(jié)果,采用少數(shù)服從多數(shù)的原則進(jìn)行評(píng)估,將評(píng)估任務(wù)中選項(xiàng)不唯一的結(jié)果集作為新的任務(wù)再次發(fā)布到眾包平臺(tái),選擇候選的工作者人群參與迭代檢測(cè)操作,直到確定出每一個(gè)任務(wù)的最優(yōu)結(jié)果。通過(guò)眾包的迭代檢測(cè)策略可以有效的識(shí)別出評(píng)估任務(wù)中存在的相近結(jié)果,提高眾包質(zhì)量評(píng)估的準(zhǔn)確性。實(shí)驗(yàn)表明,與基于熵的經(jīng)典質(zhì)量評(píng)估算法相比較,該策略能夠取得較好的效果。(2)針對(duì)目前大多數(shù)眾包質(zhì)量評(píng)估的算法只是從提高眾包結(jié)果質(zhì)量的準(zhǔn)確度方面考慮,很少考慮眾包工作者支付的成本問(wèn)題,提出一種基于迭代的近似人群一致算法。該算法首先建立工作者質(zhì)量評(píng)估模型,根據(jù)工作者完成任務(wù)后的評(píng)估結(jié)果,選取高質(zhì)量的人群代表組成一個(gè)最小的子集;然后對(duì)生成的子集結(jié)果進(jìn)行加權(quán)求和,如果得到的結(jié)果不能反應(yīng)多數(shù)群眾的意見(jiàn),則將候選人群中的工作者加入最小子集再次進(jìn)行加權(quán)求和,直到任務(wù)結(jié)果逼近大多數(shù)人群的意見(jiàn)。算法經(jīng)過(guò)多個(gè)實(shí)例的迭代操作后,可以從工作者人群中準(zhǔn)確的選擇出典型的人群代表,降低眾包支付的成本。通過(guò)在不同的數(shù)據(jù)集與基準(zhǔn)算法進(jìn)行比較,結(jié)果表明:該算法能夠取得較好的效果。
【關(guān)鍵詞】：眾包 質(zhì)量控制 熵 迭代檢測(cè)策略 質(zhì)量評(píng)估 迭代近似人群一致算法
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP393.09
【目錄】：

• 摘要4-6
• Abstract6-12
• 1 緒論12-21
• 1.1 研究背景及意義14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-18
• 1.2.1 國(guó)內(nèi)眾包研究現(xiàn)狀14-16
• 1.2.2 國(guó)外眾包研究現(xiàn)狀16-18
• 1.3 本文的主要工作18-19
• 1.4 論文章節(jié)安排及結(jié)構(gòu)19-21
• 2 眾包質(zhì)量研究相關(guān)工作21-27
• 2.1 眾包結(jié)果低質(zhì)量產(chǎn)生的原因21-22
• 2.2 眾包質(zhì)量評(píng)估策略22-26
• 2.2.1 黃金標(biāo)準(zhǔn)數(shù)據(jù)評(píng)估策略22-23
• 2.2.2 階段式動(dòng)態(tài)眾包質(zhì)量控制策略23
• 2.2.3 基于熵的眾包質(zhì)量評(píng)估算法23-26
• 2.3 本章小結(jié)26-27
• 3 基于眾包的迭代檢測(cè)策略27-37
• 3.1 眾包質(zhì)量評(píng)估架構(gòu)27-28
• 3.2 工作者分類(lèi)算法28-29
• 3.3 少數(shù)服從多數(shù)原則29-30
• 3.4 迭代檢測(cè)策略30-32
• 3.5 實(shí)驗(yàn)及結(jié)果分析32-36
• 3.5.1 實(shí)驗(yàn)環(huán)境32
• 3.5.2 工作者分類(lèi)實(shí)驗(yàn)32-33
• 3.5.3 眾包質(zhì)量評(píng)估實(shí)驗(yàn)結(jié)果分析33-36
• 3.6 本章小結(jié)36-37
• 4 基于迭代的近似人群一致算法37-51
• 4.1 近似人群概念37-41
• 4.1.1 邊界確定38-41
• 4.2 基于迭代的近似人群一致算法41-44
• 4.2.1 算法設(shè)計(jì)思路41-42
• 4.2.2 算法描述42-44
• 4.3 實(shí)驗(yàn)結(jié)果及分析44-50
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)與算法基準(zhǔn)44-45
• 4.3.2 算法性能比較45-47
• 4.3.3 參數(shù)對(duì)算法的影響47-50
• 4.4 本章小結(jié)50-51
• 5 總結(jié)與展望51-53
• 5.1 本文總結(jié)51
• 5.2 研究展望51-53
• 參考文獻(xiàn)53-57
• 致謝57-58
• 個(gè)人簡(jiǎn)歷58
• 在讀期間發(fā)表的論文及參與的項(xiàng)目58

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 張志強(qiáng);逄居升;謝曉芹;周永;;眾包質(zhì)量控制策略及評(píng)估算法研究[J];計(jì)算機(jī)學(xué)報(bào);2013年08期

2 馬衛(wèi);方麗;屠建洲;;從外包到眾包的商業(yè)模式變革及啟示[J];商業(yè)時(shí)代;2008年01期

，

本文編號(hào)：934876