本文關(guān)鍵詞：大眾生產(chǎn)者選擇行為及其重加權(quán)引導(dǎo)機(jī)制研究

  更多相關(guān)文章： 大眾生產(chǎn) 大眾生產(chǎn)者 科研社區(qū)項(xiàng)目博弈 Kleinberg重加權(quán)機(jī)制 生產(chǎn)者選擇行為引導(dǎo)機(jī)制

【摘要】：利用“馬太效應(yīng)”的積極作用，Kleinberg提出了針對(duì)科研社區(qū)項(xiàng)目博弈的兩種特殊情形的重加權(quán)機(jī)制，在新的分配機(jī)制下，能夠使得社區(qū)收益最優(yōu)化。本文重點(diǎn)研究Kleinberg重加權(quán)機(jī)制在大眾生產(chǎn)社區(qū)的機(jī)制拓展，并給出生產(chǎn)者選擇行為的重加權(quán)機(jī)制引導(dǎo)模型。 對(duì)于科研社區(qū)項(xiàng)目博弈的一般模型，單純對(duì)參與者重加權(quán)或者對(duì)項(xiàng)目重加權(quán)不一定能夠使得最優(yōu)指派恰是非合作博弈的納什均衡。本文提出了廣義指派項(xiàng)目博弈模型，該模型是Kleinberg重加權(quán)機(jī)制在科研社區(qū)項(xiàng)目博弈一般模型的拓展模型，其目標(biāo)函數(shù)是社區(qū)收益最大化，約束條件是要求廣義指派是參與者非合作博弈的一個(gè)納什均衡。廣義指派項(xiàng)目博弈模型的求解問題是一個(gè)NP難題，因此本文主要討論該模型的求解問題，提出了模型求解的貪婪算法和改進(jìn)貪婪算法。 通過仿真實(shí)驗(yàn)發(fā)現(xiàn)，貪婪算法能夠求得廣義指派項(xiàng)目博弈模型較優(yōu)的解，而且與模擬退火算法相比貪婪算法能夠求得模型更優(yōu)的解，與貪婪算法相比基于后悔值改進(jìn)貪婪算法能夠求得模型更優(yōu)的解。 大眾生產(chǎn)是互聯(lián)網(wǎng)用戶通過在線合作，共同生產(chǎn)知識(shí)產(chǎn)品的一種新型生產(chǎn)模式。這些互聯(lián)網(wǎng)用戶稱為大眾生產(chǎn)者。開源社區(qū)和在線百科都是典型大眾生產(chǎn)社區(qū)。要研究大眾生產(chǎn)社區(qū)的Kleinberg重加權(quán)機(jī)制拓展以及生產(chǎn)者選擇行為引導(dǎo)模型等問題，，首先需要研究大眾生產(chǎn)者的選擇行為特征。本文以百度百科大眾生產(chǎn)社區(qū)為例，研究了詞條生產(chǎn)者的選擇行為特征。 首先，將百科詞條按詞條領(lǐng)域、詞條類型和詞條編輯類型進(jìn)行分類。建立了從詞條集合分別到詞條領(lǐng)域集合、詞條類型集合和詞條編輯類型集合的映射。對(duì)于生產(chǎn)者詞條選擇序列做了如下兩方面分析和研究工作：（1）分析了生產(chǎn)者基于詞條領(lǐng)域、詞條類型和詞條編輯類型的選擇頻率隨編輯次數(shù)的變化情況；（2）利用L-Z復(fù)雜度和信息熵分析了三類序列的復(fù)雜性。發(fā)現(xiàn)詞條生產(chǎn)者針對(duì)詞條的每一種分類都有個(gè)體偏好，信息熵和L-Z復(fù)雜度得到的生產(chǎn)者選擇行為復(fù)雜性非常一致。 其次，基于詞條的三種分類，進(jìn)一步定義了生產(chǎn)者針對(duì)同一詞條領(lǐng)域、同一詞條類型或者同一詞條編輯類型的間隔次數(shù)時(shí)間序列和間隔時(shí)間時(shí)間序列。對(duì)兩類時(shí)間序列做了以下分析和研究工作：（1）利用L-Z復(fù)雜度和樣本熵對(duì)兩類時(shí)間序列的復(fù)雜性進(jìn)行了研究，發(fā)現(xiàn)間隔時(shí)間時(shí)間序列的復(fù)雜度小于對(duì)應(yīng)間隔次數(shù)時(shí)間序列的復(fù)雜度；（2）分析了兩類時(shí)間序列的冪律分布特征，發(fā)現(xiàn)序列長(zhǎng)度在1000以上時(shí)，詞條領(lǐng)域、詞條類型和詞條編輯類型的兩類時(shí)間序列均服從冪律分布，但冪指數(shù)的范圍不同；（3）利用MF-DFA方法分析了兩類時(shí)間序列長(zhǎng)程相關(guān)和多重分形特征，發(fā)現(xiàn)絕大大部分間隔次數(shù)時(shí)間序列具有“持久性”長(zhǎng)期記憶，間隔時(shí)間時(shí)間序列具有“持久性”或“反持久性”的長(zhǎng)期記憶；當(dāng)序列長(zhǎng)度在1000以上時(shí)，兩類時(shí)間序列都不是一個(gè)單重分形結(jié)構(gòu)，而是一個(gè)多重分形過程。 最后，根據(jù)大眾生產(chǎn)社區(qū)生產(chǎn)者選擇行為特征，提出了兩類Kleinberg重加權(quán)機(jī)制拓展及其引導(dǎo)模型：基于期望收益r次重加權(quán)機(jī)制及其引導(dǎo)模型和基于引導(dǎo)量指數(shù)重加權(quán)機(jī)制及其引導(dǎo)模型。利用百度百科詞條生產(chǎn)者針對(duì)詞條類型的選擇行為特征對(duì)引導(dǎo)模型進(jìn)行了仿真驗(yàn)證，驗(yàn)證了基于引導(dǎo)量引導(dǎo)模型能夠很好地描述詞條生產(chǎn)者選擇行為的引導(dǎo)機(jī)制。
【關(guān)鍵詞】：大眾生產(chǎn) 大眾生產(chǎn)者 科研社區(qū)項(xiàng)目博弈 Kleinberg重加權(quán)機(jī)制 生產(chǎn)者選擇行為引導(dǎo)機(jī)制
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：F49;F224
【目錄】：

• 摘要5-7
• Abstract7-13
• 插圖13-16
• 表格16-19
• 第一章 緒論19-27
• 1.1 研究背景19-20
• 1.2 研究問題20-23
• 1.3 研究的意義23-24
• 1.4 研究方法和流程24-25
• 1.5 研究?jī)?nèi)容和框架25-27
• 第二章 文獻(xiàn)綜述27-42
• 2.1 大眾生產(chǎn)文獻(xiàn)綜述27-31
• 2.1.1 大眾生產(chǎn)和大眾生產(chǎn)者的定義27-29
• 2.1.1.1 大眾生產(chǎn)的定義27-28
• 2.1.1.2 大眾生產(chǎn)者的定義和分類28-29
• 2.1.2 大眾生產(chǎn)模式的基本特征29-30
• 2.1.3 大眾生產(chǎn)者的參與動(dòng)機(jī)30-31
• 2.2 統(tǒng)計(jì)力學(xué)和人類行為動(dòng)力學(xué)文獻(xiàn)綜述31-36
• 2.2.1 統(tǒng)計(jì)力學(xué)文獻(xiàn)綜述31-33
• 2.2.2 人類行為動(dòng)力學(xué)文獻(xiàn)綜述33-36
• 2.3 引導(dǎo)和激勵(lì)機(jī)制文獻(xiàn)綜述36-40
• 2.3.1 最差情形協(xié)調(diào)比率36-39
• 2.3.2 引導(dǎo)機(jī)制文獻(xiàn)綜述39-40
• 2.4 本章小結(jié)40-42
• 第三章 大眾生產(chǎn)者項(xiàng)目選擇行為定義及復(fù)雜性分析42-70
• 3.1 百度公司和百度百科概述42-45
• 3.1.1 百度公司概述42-43
• 3.1.2 百度百科概述43-44
• 3.1.3 數(shù)據(jù)收集和信息處理44-45
• 3.2 百度百科詞條分類45-52
• 3.2.1 詞條領(lǐng)域分類45-48
• 3.2.2 詞條類型分類48-51
• 3.2.3 詞條編輯類型分類51-52
• 3.3 三種詞條分類的選擇頻率統(tǒng)計(jì)分析52-61
• 3.3.1 詞條領(lǐng)域選擇頻率統(tǒng)計(jì)分析52-55
• 3.3.2 詞條類型選擇頻率統(tǒng)計(jì)分析55-58
• 3.3.3 詞條編輯類型選擇頻率統(tǒng)計(jì)分析58-61
• 3.4 詞條選擇序列的復(fù)雜性分析61-68
• 3.4.1 詞條選擇序列的信息熵61-65
• 3.4.2 詞條選擇序列的 L-Z 復(fù)雜度65-68
• 3.5 本章小結(jié)68-70
• 第四章 大眾生產(chǎn)者項(xiàng)目選擇行為實(shí)證研究70-105
• 4.1 時(shí)間序列的相關(guān)定義70-71
• 4.2 兩類時(shí)間序列的 L-Z 復(fù)雜度71-80
• 4.2.1 L-Z 復(fù)雜度的計(jì)算步驟71
• 4.2.2 序列長(zhǎng)度對(duì) L-Z 復(fù)雜度計(jì)算的影響分析71-75
• 4.2.3 詞條領(lǐng)域的兩類時(shí)間序列的 L-Z 復(fù)雜度75-77
• 4.2.4 詞條類型的兩類時(shí)間序列的 L-Z 復(fù)雜度77-78
• 4.2.5 詞條編輯類型的兩類時(shí)間序列的 L-Z 復(fù)雜度78-80
• 4.3 兩類時(shí)間序列的樣本熵80-90
• 4.3.1 樣本熵的計(jì)算步驟80-82
• 4.3.2 樣本熵的參數(shù)選取82-83
• 4.3.3 序列長(zhǎng)度對(duì)樣本熵計(jì)算的影響分析83-87
• 4.3.4 詞條領(lǐng)域的兩類時(shí)間序列的樣本熵87-88
• 4.3.5 詞條類型的兩類時(shí)間序列的樣本熵88-89
• 4.3.6 詞條編輯類型的兩類時(shí)間序列的樣本熵89-90
• 4.4 兩類時(shí)間序列的冪律分布特征90-95
• 4.4.1 詞條領(lǐng)域的兩類時(shí)間序列的冪律分布特征90-92
• 4.4.2 詞條類型的兩類時(shí)間序列的冪律分布特征92-94
• 4.4.3 詞條編輯類型的兩類時(shí)間序列的冪律分布特征94-95
• 4.5 兩類時(shí)間序列的長(zhǎng)程相關(guān)性95-98
• 4.5.1 長(zhǎng)程相關(guān)分析95-97
• 4.5.2 兩類時(shí)間序列的長(zhǎng)程相關(guān)與胖尾分布的關(guān)系97-98
• 4.6 兩類時(shí)間序列的多重分形特征98-103
• 4.7 本章小結(jié)103-105
• 第五章 Kleinberg 重加權(quán)機(jī)制建模和仿真研究105-150
• 5.1 科研社區(qū) Kleinberg 重加權(quán)機(jī)制拓展模型105-110
• 5.1.1 馬太效應(yīng)105-106
• 5.1.2 科研社區(qū)項(xiàng)目博弈106-107
• 5.1.3 科研社區(qū)項(xiàng)目博弈的基本假設(shè)107
• 5.1.4 最優(yōu)指派與非合作博弈納什均衡的關(guān)系107-108
• 5.1.5 參與者重加權(quán)機(jī)制的相關(guān)定義108-109
• 5.1.6 廣義指派&項(xiàng)目博弈模型109-110
• 5.2 求解廣義指派&項(xiàng)目博弈模型的貪婪算法110-118
• 5.2.1 求解廣義指派&項(xiàng)目博弈模型的貪婪算法110-111
• 5.2.2 求解廣義指派&項(xiàng)目博弈模型的改進(jìn)貪婪算法111-114
• 5.2.3 仿真實(shí)驗(yàn)114-118
• 5.3 科研社區(qū)與大眾生產(chǎn)社區(qū)參與者項(xiàng)目博弈的異同118-119
• 5.4 大眾生產(chǎn)社區(qū) Kleinberg 重加權(quán)機(jī)制建模119-127
• 5.4.1 關(guān)于成功概率的模型假設(shè)119-121
• 5.4.2 關(guān)于個(gè)體偏好向量的模型假設(shè)121-123
• 5.4.3 基于項(xiàng)目引導(dǎo)量的生產(chǎn)者選擇行為引導(dǎo)模型123-125
• 5.4.4 基于期望收益 r 次重加權(quán)機(jī)制125-126
• 5.4.5 基于引導(dǎo)量指數(shù)重加權(quán)機(jī)制126-127
• 5.5 仿真實(shí)驗(yàn)127-148
• 5.5.1 基于期望收益 r 次重加權(quán)機(jī)制引導(dǎo)模型仿真實(shí)驗(yàn)127-137
• 5.5.2 基于引導(dǎo)量指數(shù)重加權(quán)機(jī)制引導(dǎo)模型仿真實(shí)驗(yàn)137-144
• 5.5.3 Kleinberg 重加權(quán)機(jī)制模型驗(yàn)證144-148
• 5.6 本章小結(jié)148-150
• 結(jié)論150-154
• 參考文獻(xiàn)154-163
• 攻讀博士學(xué)位期間取得的研究成果163-164
• 致謝164-165
• 附件165

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前7條

1 蔣學(xué)華;熵的兩種關(guān)系式等價(jià)性的直接推證[J];大學(xué)物理;2003年09期

2 李鶴齡;信息熵、玻爾茲曼熵以及克勞修斯熵之間的關(guān)系——兼論玻爾茲曼熵和克勞修斯熵是否等價(jià)[J];大學(xué)物理;2004年12期

3 解幸幸;李舒;張春利;李建康;;Lempel-Ziv復(fù)雜度在非線性檢測(cè)中的應(yīng)用研究[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2005年03期

4 張永東;中國(guó)證券市場(chǎng)股票收益持久性的經(jīng)驗(yàn)證據(jù)[J];管理工程學(xué)報(bào);2003年04期

5 周濤;韓筱璞;閆小勇;楊紫陌;趙志丹;汪秉宏;;人類行為時(shí)空特性的統(tǒng)計(jì)力學(xué)[J];電子科技大學(xué)學(xué)報(bào);2013年04期

6 趙庚升;張寧;周濤;;網(wǎng)頁瀏覽中的標(biāo)度行為研究[J];統(tǒng)計(jì)與決策;2009年01期

7 劉萌;劉東;;基于樣本熵的地下水埋深序列復(fù)雜性分析[J];水利水電技術(shù);2012年12期

本文編號(hào)：1075751