执行概率最大化的地理社会网络空间众包参与者招募方法技术

本发明专利技术提供了一种执行概率最大化的地理社会网络空间众包参与者招募方法，首先采用传播树结构来建模招募者和参与者之间的自主招募，在此基础上，建立任务执行概率计算方法，并利用多层次营销的业务策略设计一种新颖的激励机制，将研究的MTEP问题公式化为组合优化问题，并分析其NP

【技术实现步骤摘要】
执行概率最大化的地理社会网络空间众包参与者招募方法


[0001]本专利技术涉及移动群智感知领域，是一种移动群智感知(MCS)任务执行和移动众包参与者招募方法，尤其涉及地理社交网络中MCS的任务执行概率最大化(MTEP)问题的协同进化求解。

技术介绍

[0002]随着无线通讯技术的发展，大量带有传感器的移动设备部署在各种生活场景中，移动群智感知技术(MCS)是通过群众的力量来获取动态环境感知信息的有效方法。MCS通常包括三个部分：任务发布者，任务参与者，MCS平台。首先，任务发布者在MCS平台公开发布一个基于位置的(LBS)传感任务，然后，任务参与者收到消息之后共同完成任务，并且获得一些奖励作为回报。
[0003]为了让MCS任务被顺利完成，如何招募任务参与者成为一个关键问题。通常情况下，MCS平台直接招募参与者去执行任务。最近出现一种新型招募模式，基于口口相传的MCS，即，MCS先招募有限数量的种子用户作为参与者，然后种子用户通过他们各自的社交关系(亲戚，同学，朋友)私下招募更多的任务执行者(用户)，来为整个MCS体系做出贡献。其中每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种执行概率最大化的地理社会网络空间众包参与者招募方法，其特征在于包括下述步骤：步骤1：获取移动用户在社交媒体的历史签到数据，用户兴趣爱好数据以及用户之间的社交关系数据，移动众包任务数据；步骤2：构建用户社交关系网络；步骤3：根据用户与任务的距离和用户画像构建用户对任务的执行概率矩阵；步骤4：构建MCS任务传播模型；步骤5：由任务传播模型来构建任务执行概率期望；步骤6：构建奖励金机制；步骤7：构建基于地理社会网络中MCS的任务执行概率最大化(MTEP)问题；步骤8：将问题分解，用协同进化的思想解决问题；步骤9：基于MTEPCC算法找到最优解决方案。2.根据权利要求1所述的一种执行概率最大化的地理社会网络空间众包参与者招募方法，其特征在于：所述步骤1中，移动用户包括时间戳地点POI类别标签其中Γ＝{π1,π2,π3,...,π
q
}，其中每个元素π
i
∈Γ表示一个POI类别标签，移动众包任务数据T＝{＜T1,T2,...,T
m
＞,C
max
}包括任务T
i
的地理坐标位置loc
i
∈L，任务的主题Ψ
i
，以及总的激励预算C
max
，其中3.根据权利要求1所述的一种执行概率最大化的地理社会网络空间众包参与者招募方法，其特征在于：所述步骤2中，构建用户社交关系网络G＝{u,ε,w}，其中e
i,j
∈ε表示无向边，即连接U中的节点u
i
和u
j
的社交关系；w
i,j
∈W表示无向边e
i,j
的归一化权重，使用加权级联模型表示：其中|N(u
j
)|表示用户u
j
的传入相邻节点数。4.根据权利要求1所述的一种执行概率最大化的地理社会网络空间众包参与者招募方法，其特征在于：所述步骤3中，构建用户的估计任务执行概率考虑到T
i
的特定要求，从两个维度联合量化用户u
j
的估计任务执行概率首先，构建空间熟悉度SF(u
j
,T
i
)，采用衰减公式计算用户u
j
想要访问T
i
的指定位置loc
i
的可能性；考虑一个已发布的MCS任务T
i
＝(loc
i
,Ψ
i
)，先检索u
j
的访问位置它最靠近loc
i
，用户u
j
想要访问T
i
的指定位置loc
i
的可能性为：其中表示u
j
在其已发布的签到中访问过的一个空间位置，而距离度量dist
(
·
)采用欧几里得距离，然后，空间熟悉度SF(u
j
,T
i
)的计算如下：)的计算如下：表示u
j
访问的次数，并且是u
j
所有签到的次数；然后，构建用户的兴趣画像直接从用户历史签到数据中了解移动用户的兴趣画像，用户u
j
的兴趣概况被表示为其中是相对于向量空间Γ中的第x个元素，通过计算和任务T
i
'的主题之间的相似度得到用户u
j
对任务T
i
的匹配度如下：其中使用余弦相似度函数计算相似度；综合上述两个因素，计算任务执行概率：任务T对用户u
j
的任务执行概率矩阵表示为：5.根据权利要求1所述的一种执行概率最大化的地理社会网络空间众包参与者招募方法，其特征在于：所述步骤4中，构建面向MCS任务传播模型，首先选择用户节点的一个子集作为源节点S，S∈U，然后，MCS任务通过源节点在整个地理社会网络G中并行传播，来招募新的用户；在传播过程中，每个参与者将有选择地执行MCS任务，一旦用户执行了任务，其直接和间接招募者都将获得额外的奖励；首先，对于每个选定的源节点，利用树结构来表示传播范围；具体而言，它以每个源节点u为根，以一个广度优先搜索方式逐级扩展传播树TR
u
，其中源节点u和u
j
的距离为l(u,u
j
)，随着任务传播，根据源节点u和受影响的节点之间的距离，将它们以树状结构TR
u
分层组织，当传播距离达到最大阈值时，传播树TR
u
将停止增长；因为存在扩散延迟和预算有限，任务传播过程最大距离设为l
max
；形式上，TR
u
中的潜在影响节点，即可能的参与者，表示为：U
pp
(u)＝{u
j
|l(u,u
j
)≤l
max
}接下来，基于传播树，在将任务T扩散到后代节点u
j
之前，现任用户u
i
需要估算u
j
的任务执行概率据此决...

【专利技术属性】
技术研发人员：王亮，於志文，李迎春，符宁，郭斌，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：