WWWNov, 2011

农奴与草原：为乐趣与利益进行群众众包

PDF
TL;DR研究表明，众包系统中恶意行为的手动组织和活动的使用正在成为一种真正的网络安全威胁，会对在线社区如社交网络等造成实质性损害。
crowd-sourcing systemsmalicious activitycrowdturfing systemsonline communitiessocial networks
发现论文，激发创造
  • 在线评论系统中的自动软件伪造攻击和防御

    本文针对恶意众包论坛在信息传播中的误导性日益严重的问题，使用一种新的攻击方式 —— 基于深度学习语言模型，自动生成伪造商品和服务的在线评论，比传统人工雇佣方式成本更低、攻击规模更大，且有机制可以逃避检测，通过结合 Yelp 评论网站的实例，研究提出相应的防范措施。

    Aug, 2017

  • 社交图灵测试：众包 Sybil 检测

    本文通过研究社交网络中的 Sybils 账户，探索了一种可行的基于众包的检测系统，发现专家能够较准确地检测出 Sybils 账号，而 turkers 表现存在显著差异。本文基于这些结果构建了一个多层次的基于众包的 Sybil 检测系统，该系统可以作为独立的工具或作为当前工具的补充技术，能够扩展并且具有高效性。

    May, 2012

  • 针对众包系统的数据注入攻击及其防御

    本研究着重探讨了众包系统的安全问题，发现数据投毒攻击是一种威胁，通过提出两种防御措施，本研究证实了这种攻击会对数据估计产生影响。

    Feb, 2021

  • 通过众包打击作者可追溯性

    在社区评论领域，我们发现同一人编写的评论集合基于简单的文体特征就能链接起来从而导致明显的隐私泄露问题，而本文则提出了结合大众智慧和机器翻译的方法，使得评论样式不同从而达到了减少作者链接度的目的。

    May, 2014

  • 利用群众检测和减少虚假新闻和误导信息的传播

    本文提出了一种基于标记时间点过程的灵活表示方式，开发了一种可扩展的在线算法 Curb 来选择应该何时对故事进行事实核查以有效地减少假新闻和误导性信息的传播。

    Nov, 2017

  • 在众包环境中估计贡献者的资格和行为以及答案的聚合

    本文提出了一种名为 MONITOR 的方法，用来解决众包平台上不同质量的数据聚合问题。该方法通过估计贡献者的资质和行为来确定其贡献者资料，并利用数据信任理论来考虑其潜在不完美的特点，从而更好地聚合贡献者的数据。在真实数据上的实验表明，MONITOR 方法大大提高了聚合后的数据准确性。本文的贡献在于首次提出了一种模型，既考虑了贡献者的资质，也考虑了其行为，用于估计其贡献者资料。其次，还提出了一种根据估计的资料弱化和聚合结果的答案的方法。

    Mar, 2023

  • 众包市场中的在线决策：理论挑战（立场论文）

    本文针对众包在线决策的理论研究和建模问题进行了反思和讨论，并提出了相关算法来优化众包市场的各个方面，涉及众包、人工计算、算法、定价等关键词。

    Aug, 2013

  • 付费众包平台上的创意

    本文通过两个众包平台问卷的数量和质量分析，揭示了受访者对付费众包平台的创意工作的看法和意见，并提出了该领域的一些共性障碍和完善建议。

    Jan, 2020

  • 推特上的众包事实核查：众筹与专家相比如何？

    本文研究了 Twitter 推出的大规模众包事实核查项目 BirdWatch，并发现在某些情况下，使用众包进行事实核查是一种有效的策略，可以与人类专家取得可比的结果，并具有可扩展性和效率优势。

    Aug, 2022

  • 一种从众包应用中发现新产品开发潜在思路的框架

    本文通过针对在线众包应用中的想法挖掘进行了研究，提出了一种半自动化的文本挖掘技术，并通过在线学习算法来评估想法的潜力，以实现新产品开发中提取具有潜力的想法的目的。

    Feb, 2015