The invention constructs a multi-task, multi-user and multi-choice mobile group intelligence perception platform, and designs a user selection incentive mechanism based on bidding linkage. In this mechanism, the creditworthiness of publisher and user is maintained by using integral strategy. Publishers accumulate integrals by publishing tasks and users accumulate integrals by completing tasks. In this integral strategy, through the game between publishers and users on task price, task price is linked with integrals, which ensures the competitiveness of the platform, breaks the monopoly of task price, and finally passes through. Incentives encourage users to participate in more tasks.
【技术实现步骤摘要】
一种基于竞价联动的用户选择激励机制
本专利技术构建了一个多任务、多用户、多选择途径的移动群智感知平台，设计了一种基于竞价联动的积分激励机制。
技术介绍
近些年来，随着现代化设备的迅速普及，互联网已经遍布大街小巷，无论是家具家电，还是地铁公交都已经被网络覆盖。人们生活在一个随处都是网络，随时都要联网的时代。人们开始对生活环境的安生设施，空气污染程度，气候突变情况，水质卫生等一系列问题提出了较高的要求。在这一阶段，移动群智感知领域慢慢被人们所认知，关注，走向成熟。早在2006年，由《连线》(Wired)杂志的记者杰夫·豪在2006年6月提出的众包理念，是群智感知兴起的源头。众包就是过去在公司或者在其它的集团里面本应该交给公司或者集团工作人员执行的任务，现在公司或者集团以自由自愿的形式将这些任务交给特点的网络机构或者大众群体去执行。这些众包中的任务，通常都是一个个自由个体来执行的，当遇到一个人无法解决时，就需要依靠开源的团队来共同处理。而移动群智感知的兴起则是在传感器制作领域的飞速发展、智能设备的普及、智能手机开放性和应用商的兴起、高处理高存储原件的大规模生产后出现的。...
【技术保护点】
1.一种基于多任务、多用户、多选择途径的移动群智感知平台的竞价联动的积分激励机制，其特征在于，包括以下步骤：(1)引入了异构双边的理念；(2)设计一种基于贝叶斯的资源类型划分算法；(3)建立平台效益最大化模型；(4)提出一种基于竞价联动的积分激励机制；(5)设计了两种资源选取策略，分别是以用户为中心的任务资源选取和以任务为中心的用户资源选取。
【技术特征摘要】
1.一种基于多任务、多用户、多选择途径的移动群智感知平台的竞价联动的积分激励机制，其特征在于，包括以下步骤：(1)引入了异构双边的理念；(2)设计一种基于贝叶斯的资源类型划分算法；(3)建立平台效益最大化模型；(4)提出一种基于竞价联动的积分激励机制；(5)设计了两种资源选取策略，分别是以用户为中心的任务资源选取和以任务为中心的用户资源选取。2.根据权利要求1所述的一种基于多任务、多用户、多选择途径的移动群智感知平台的竞价联动的积分激励机制，其特征在于，所述的步骤(1)包括以下步骤：为群智感知平台中引入了发布者和用户两个角色，同时从发布者效益、用户的效益两个角度出发，最大化用户收益的同时也最大化发布者收益以达到一种动态平衡，同时平台中同时引入了发布者和用户，用于维持任务的价格，保证平台的公平性和竞争性；本发明为平台设计两种角色，首先是参与任务的用户，其次是发布任务的发布者，另外平台中还需要定义任务的详细信息，平台的职能等；首先给平台中发布的任务和平台中的用户划分类别，以至于可以提高任务的质量和精度；其次从用户和发布者的角度出发，从不同发角度分配资源，建立普适、优化、贪心三种选择模式，在此基础上设计一种新颖的基于智能分配策略的积分激励机制：(2.A)用户工作：首先要统计用户信息，包括用户的编号、性别、用户的爱好，用户的特长，用户的可用时间(t)，用户想要的任务(d)，以及用户希望的单位时间的报酬(b)，用户可以根据自己实际情况，选择不同的模式参与任务，用户参与不同模式时，扣除积分、得到的报酬、参与的工作量、得到的积分都会是不同的；(2.B)发布者工作：每一个任务发布者有编号，任务发布者发布一个或者多个任务(每一个任务包括需要用户的性别、特长、时间段、单位时间的价格，需要的人数，任务的类别，任务需要的工作量)，都需要向平台给出这个任务的佣金，当任务完成后任务发布者给每一个用户评分(根据任务完成的质量)，平台会根据发布者给出的佣金、发布者对任务的定价、用户的报价以及激励措施为用户发放报酬；(2.C)平台的工作：平台会设置三种模式，第一种为普适模式(用户可以自己选择任务，平台不会为用户划分队列，不会为用户推荐任务，此种模式不会扣除用户积分)，第二种为优化模式(平台在制定时间内在用户可用时间段内会为用户推荐零散的任务，用户在指定的时间段内会加入排序队列，每过一段时间扣除用户固定的积分)，第三种为贪心模式(此模式平台随时都会为用户推荐合适的任务，并且当任务还有很多没有完成时，任务会自动推荐给用户，这种模式适合非常有大量时间的人群，用户会一直参与排序，但是这种模式会在一定时间内会扣除比较多的积分)。3.根据权利要求1所述的一种基于多任务、多用户、多选择途径的移动群智感知平台的竞价联动的积分激励机制，其特征在于，所述的步骤(2)包括以下步骤：本发明中需要对平台中已存在的用户和平台中发布者发布的任务按其各自的特征进行类型划分，这里选用的类型划分算法为贝叶斯分类算法，由于对用户和对任务的特征进行归类的原理是一致的，在本发明假设平台中已经规定好了一些特有的类型集合，只对用户类型划分进行详细的介绍，最后希望通过将用户类型和任务类型都划分为平台中指定的类型集合中，以便平台在资源选取时可以高效准确的选取用户和任务；首先找到已有任务、任务所属的类型、哪些人参与这些任务，把这些数据作为训练样本，计算出他们各自所占的概率，本发明首先要假设用户集合为U，任务集合为W，P为每一个发布者的任务划分为某一个类别(假设有四个类别)的概率，详细如下：P(x1|a1)…P(x4|a1)，P(x1|a2)…P(x4|a2)…P(x1|a4)…P(x4|a4)，P(y1|a1)…P(y4|a1)，P(y1|a2)…P(y4|a2)…P(y1|a4)…P(y4|a4)；n表示用户集合的长度，l表示任务集合的长度，m表示划分类型的数目，S1，S2…S4表示划分给这个类型的用户或者任务设di＝{y1，y2，y3，y4}为一个任务的待分类项(假如分别代表：任务的位置、任务的时长、任务的人数、任务需要的专业)，设ei＝{x1，x2，x3，x4}为一个用户的待分类项(分别代表：性别、爱好、专长、工作时间长短)，设ai＝{a1，a2，a3，a4}为已经分好的类别(假设代表：户外采集、室内收集、空气测试、郊区勘察、市内情报)；本发明需要找到一些可靠的实际场景的数据，本发明根据以往的数据，找到一些发布的任务和参与任务的用户，本发明根据任务的不同类型和用户的不同类型进行分类，本发明想要的是当本发明知道了用户和任务的的实际信息后给用户和任务合理的分类，根据贝叶斯定理，在这里本发明假设本发明只选择用户和任务的四种基本属性，例如任务的位置、任务的时长、任务的人数、任务需要的专业以及用户的性别、爱好、专长、工作时间长短，本发明通过计算出来的已知数据中每一种属性在各个类型中分布的概率，来计算本发明候选数据中每一个任务或者用户的在每一种类型下的概率，最后本发明认为概率最大的那一种类型就是本发明最终决定的任务或者用户的类型。4.根据权利要求1所述的一种基于多任务、多用户、多选择途径的移动群智感知平台的竞价联动的积分激励机制，其特征在于，所述的步骤(3)包括以下步骤：由于平台有众多发布者以及发布者发布的任务和参与者，考虑发布者数目和用户数目固定的情况下，即当平台中用户数目和发布者发布的任务数目一定时，平台如何最大程度的选取这些资源，使之产生的效益最大，而平台中分别有发布者和用户，要使平台产生的效益最大，就要使发布者和用户的效益之和最大化；首先针对任务j的工作量为实际单价如下：发布者i的花费为发布者i发布任务的总价值为因此所有发布者的总的效益为：用户i完成第j个任务如果则用户实际得到的单价为否则用户不会主动不选这个任务，用户i完成第j个任务，奖励为：报酬为：效益为：所有用户总的效益为：当R、U、D数目...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。