Jun, 2023

基于 GCN 可信度预测的协同移动群体感知高效招募策略

PDF
TL;DR该文研究了协作移动众包感知的工人招聘，提出了一种通过 Mini-Batch K-Means 聚类算法和 GCN 模型获取工人间信任关系进行更高效的招聘，并通过 TSR 算法优化选取多目标任务效用的平衡工人集合的策略，实验结果表明优于其他策略。
collaborative mobile crowd sensingmulti-objective optimizationgraph convolutional networktrust relationshipstabu search recruitment
发现论文，激发创造
  • 基于多臂赌博机的组合多臂赌博机在众感知中的多样性招聘

    通过动态调整每轮任务的权重以及采用组合多臂赌博机框架和置信上界方法，本研究提出了一种增强任务多样性、适应任务完成质量差异和有效处理工作者招募预算约束的移动众感知模型，并通过真实数据的模拟和后悔分析证明其有效性。

    Dec, 2023

  • 移动众感任务分配博弈中的分散式在线学习

    研究了移动众感知系统中协调数据收集的问题，提出了一种结合匹配理论和在线学习的去碰撞多臂赌博机与策略自由感知的解决方案，模拟结果表明相比现有方法，该解决方案提高了移动单元和平台的满意度，并至少缩短了 16% 的平均任务完成时间。

    Sep, 2023

  • 数据流支持下的移动众包协同评估

    移动众包是指任务的完成必须要求众包人员在按需工作力量中进行物理移动的系统。本文提出了在移动众包中实现任务转移、结果预测和任务协调的不同机制，包括数据流学习方法用于任务结果预测，以及具有不同自治程度的两种不同方法实现任务协调，分别为具有协作但非自治的众包运输机制和具有自治众包人员的市场模式。

    Jan, 2024

  • 从参与式感知到移动众包感知

    本研究提出了基于移动感知和移动社交网络的移动群体感知（MCS）系统，旨在探讨人机智能在 MCS 中的潜力融合，该系统与参与型感知类似，但包含隐式和显式参与，并从移动社交网络和移动感知两个用户数据源中收集数据。未来的研究方向包括 MCS 中新型数据源的整合和如何让 MCS 更好地服务社会公众。

    Jan, 2014

  • 能否在没有地面真实数据的情况下提高移动众感知数据的质量？

    移动众感知是各领域中的一个突出趋势，然而确保移动用户提交的传感数据的质量仍然是一个复杂而具有挑战性的问题。为了解决这个问题，本文提出了一种基于预测和声誉的真实性发现框架，可以在感知任务中筛选出低质量数据并识别可能破坏系统正常运行的恶意用户。通过广泛的实验结果表明，该框架在识别准确性和数据质量提升方面优于现有方法。

    May, 2024

  • 不分享的关爱：一种联邦学习众感知框架，用于增加城市代表性的多样性

    通过移动众包感知，提出一种隐私保护的协作学习框架，可用于推广以改善社会各个方面的服务，案例研究展示了该框架的功能，包括使用视觉算法来改善视障人士的导航。

    Jan, 2022

  • 可靠众包系统的预算最优任务分配

    本文考虑众包任务分配中的可靠性问题，提出了一种基于置信传播和低秩矩阵逼近的算法来决定如何分配任务，并从工人的答案中推断出正确答案。比较了不同算法的表现，发现基于者非自适应的算法是最优的。此外，还强调了建立可靠的工人信誉系统对于完全运用自适应设计的潜力至关重要。

    Oct, 2011

  • 激励预算有限众包感知的海量未知工作者：从离线和在线的角度

    通过在上下文空间中进行勘探 - 利用权衡的创新分割方法，我们提出了离线和在线版本的基于上下文感知的组合多臂赌博机激励机制，以在有限的预算下有效激励大规模未知的工作者，并通过严格的理论分析和实验验证了其有效性。

    Sep, 2023

  • 异构时态 MMMA 图上的众包欺诈检测

    利用多功能消息手机应用程序（MMMA）进行点击农场业务的崛起引诱网络犯罪分子犯下众包欺诈行为，从而给点击农场工人带来经济损失。本文提出了一种名为 CMT 的新型对比多视图学习方法，用于检测 MMMA 的异构时态图（HTG）上的众包欺诈行为。CMT 以自监督方式捕捉 HTG 的异质性和动态性，并生成高质量的表示以进行众包欺诈检测。我们在代表性的 MMMA WeChat 的行业规模 HTG 上部署 CMT 进行众包欺诈检测，结果明显优于其他方法。CMT 在大规模公共金融 HTG 上也表现出有希望的结果，表明它可应用于其他图形异常检测任务。

    Aug, 2023

  • 移动边缘计算上基于区块链的无信任众包智能生态系统

    本研究提出一种基于区块链智能合约的奖惩模型，构建了一个可信的混合人机群体智能平台，以解决工业物联网中因缺乏信任而导致的网络拥塞和利益冲突问题，并证明了其存在唯一一种强纳什均衡点。

    Feb, 2019