论文部分内容阅读
在众包任务配置中,参与者及众包任务是其两大要素。每个参与者具有不同属性特征的知识及技能,每个任务具有不同属性特征的知识及技能需求。如何将合适的众包任务分配给恰当的参与者,在新型网络环境下,既具有参与者主动参与,通过用户生成内容(UGC)揭示自身能力特征及任务需求特征的机遇,又具有数据海量、属性高维且相互影响的挑战。不同于传统任务与参与者之间的“一对一”配置,众包任务与参与者之间是“多对多”的配置。此外,不同于传统任务配置模型中忽略任务及参与者的属性特征以及认为这些属性特征间相互独立的假设前提,众包任务优化配置应考虑任务需求特征间,以及参与者能力特征间所具有的相互关联影响关系。本文中基于参与者和众包任务的属性特征以及属性特征间的相关关系,构建了新型网络环境下众包任务优化配置模型及关键属性选择模型。本文的工作主要有:(1)基于成对属性间的关联关系,构建了成对关联属性空间模型;(2)基于特定属性特征集所构成的成对关联属性空间,计算任意成对众包任务间、以及任意成对参与者间的相似性程度,并基于上述相似程度及“众包任务-参与者”二部分图理论,构建了众包任务优化配置模型;(3)基于特定成对关联属性空间中众包任务的优化配置结果,确定影响众包任务配置效用的主要属性特征,构建了众包任务优化配置的关键属性选择模型。通过模型仿真分析,既揭示了优化配置结果会随着任务及参与者规模的增加而降低,随着属性维度的增加而提高的规律,又揭示了基于一定的属性权重阈值选择相应的关键属性可增加任务优化配置效果的规律。通过模型实例分析,表明基于成对关联属性空间的优化配置模型,比传统欧氏空间中的优化配置模型具有较高的配置效用,并可通过较小规模的关键属性集,得到与大规模属性集近似的优化配置结果。基于新型网络环境下参与者主动参与所揭示的自身能力特征及众包任务需求特征,所构建的众包任务优化配置模型及关键属性选择模型,既可丰富新型网络环境下众包任务的优化配置理论及网络大数据的属性约简方法,又有助于在实践中为特定众包任务配置恰当的参与者,提高大规模网络众包任务优化配置的效用。