一种基于协同过滤及神经网络的改进拍卖方法技术

本发明专利技术公开了一种基于协同过滤及神经网络的改进拍卖方法，适用于群智感知网络下的众包平台。本发明专利技术方法包括协同过滤、神经网络预测、任务执行、胜者确定和支付过程等关键步骤。该方法为：首先，采用基于k均值聚类(K‑means)的协同过滤算法，实现对参与者和任务的分簇操作。其次，针对参与者在实际应用场景中频繁移动的问题，通过建立BP神经网络，快速预测新参与者所属簇，从而提高拍卖效率。最后，通过任务执行、胜者确定和支付过程步骤，获取胜者集合和相应的支付值，最终实现任务的快速分配。实验结果表明，本发明专利技术能够有效解决因参与者数量庞大而导致推荐精度不高的问题，使胜者效用提高30％，同时还提高了整体社会效益并有效避免恶意竞争。

【技术实现步骤摘要】

本专利技术属于众包激励以及人工智能领域，具体涉及一种基于协同过滤及神经网络的改进拍卖方法，该方法结合协同过滤和神经网络模型，以提高参与者参与众包任务的积极性和任务质量，优化参与者效用，提升社会效用。

技术介绍

1、群智感知技术是一种利用大规模人群来收集、分析和共享信息、解决问题或完成特定任务的方法。它被广泛应用于环境监测、灾害响应、社区参与、商业市场调研等多个领域。该技术能够提供及时、准确、广泛的信息，帮助用户做出更好的决策，并推动社会问题的解决和创新发展。众包是实现群智感知的主要方法之一，它将任务外包给广大的群体，通过众包平台或在线平台将任务分发给大量的个体，利用他们的时间、技能、智慧和资源来完成任务。激励机制是众包的重要组成部分，并得到了深入研究。在过去构建的激励模型中，反拍卖模型的激励机制在经济方面和解决两个典型激励问题方面效果较好。然而，在基于反拍卖激励机制的许多研究中，从多个角度构建的模型都没有充分考虑到实际参与者数量和恶意竞争等问题，导致不能满足社会需求。

2、一些研究人员提出了将反拍卖与维克瑞拍卖(vickrey auction)本文档来自技高网...

【技术保护点】

1.一种基于协同过滤及神经网络的改进拍卖方法，其特征在于，首先，基于K-means的协同过滤算法分别对参与者和任务进行聚类，并利用BP神经网络快速预测新参与者的所属簇；基于参与者聚类结果与任务聚类结果，对参与者发布相对应的任务集合，接着应用激励机制逐步进行任务执行、胜者确定和支付过程，最终实现任务的快速分配。

2.根据权利要求1所述的一种基于协同过滤及神经网络的改进拍卖方法，其特征在于，所述基于K-means的协同过滤算法分别对参与者和任务进行聚类，并利用BP神经网络快速预测新参与者的所属簇，具体步骤如下：

3.根据权利要求1所述的一种基于协同过滤及神经网络的改进...

【技术特征摘要】

1.一种基于协同过滤及神经网络的改进拍卖方法，其特征在于，首先，基于k-means的协同过滤算法分别对参与者和任务进行聚类，并利用bp神经网络快速预测新参与者的所属簇；基于参与者聚类结果与任务聚类结果，对参与者发布相对应的任务集合，接着应用激励机制逐步进行任务执行、胜者确定和支付过程，最终实现任务的快速分配。

2.根据权利要求1所述的一种基于协同过滤及神经网络的改进拍卖方法，其特征在于，所述基于k-means的协同过滤算法...

【专利技术属性】
技术研发人员：黄子豪，黄思琦，张嘉毅，汤秋云，周旭颖，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：