Jan, 2024

数据流支持下的移动众包协同评估

PDF
TL;DR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。
mobile crowdsourcingtask transferoutcome predictiontask coordinationautonomous workers
发现论文，激发创造
  • 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

  • 众包配送系统中的准时送达：基于流数据的基于代理的方法

    论文提出了一种基于代理的方法，利用数据流处理和智能手机传感器数据来预测包裹交付的延迟，并通过任务转移来防止潜在的延迟。

    Jan, 2024

  • 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

  • 基于 GCN 可信度预测的协同移动群体感知高效招募策略

    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。

    Jun, 2023

  • 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

  • 众包场景下的动态任务分配

    本文提出一种基于互信息解释的众包问题优化任务分配的方法，通过动态任务分配实现更高的准确度和可能需要更少的标签，从而提高了任务分配的效果。

    Jan, 2017

  • 带有优先限制的专业任务高效灵活的众包

    本文研究了众包系统的性能极限，并提出了有效的分配方案来满足附加要求，包括专业化工作、效率、任务分配和性能限制。在一个由非营利公司运行的众包平台的数据上进行了算法演示，并展示了与当前实践相比的显著改进。

    Jan, 2016

  • 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

  • 通过自适应方案在众包中实现预算最优

    该研究探讨了如何在固定预算下最大化标注数据的精确度，比较自适应任务分配与非自适应任务分配之间的优劣，并使用概率模型来解决这个问题。

    Feb, 2016

  • 在密集人群中建模合作导航

    本文提出了一种模型，通过模拟人 - 人和人 - 机之间的交互，在考虑空间定位的前提下预测机器人在人群中的未来轨迹，对比实验表明该模型对于长时间段内的轨迹预测表现优于现有技术。

    May, 2017