CN104657390B - 一种问答平台实现方法和系统 - Google Patents
一种问答平台实现方法和系统 Download PDFInfo
- Publication number
- CN104657390B CN104657390B CN201310598474.6A CN201310598474A CN104657390B CN 104657390 B CN104657390 B CN 104657390B CN 201310598474 A CN201310598474 A CN 201310598474A CN 104657390 B CN104657390 B CN 104657390B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- answer
- mfrac
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种问答平台实现方法和系统,包括:从给定答案集合中表示答案的准确率和有效性;量化所述给定答案集合中的奖励代价;从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者。可见,本发明对于给定的答案集合,能够刻画每个答案的准确率、有效性和奖励代价,从而在满足准确率阈值的前提下,以最小化奖励代价和最大化答案有效性为目标对答案集合进行筛选,得到最终答案返回至提问者。本发明奖励代价小、准确率高,对于基于众包技术的问答平台具有很强的操作性和实用性。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种问答平台实现方法和系统。
背景技术
众包(Crowdsourcing)是《连线》(Wired)杂志2006年发明的一个专业术语,用来描述一种新的模式,即企业利用互联网来将工作分配出去,从而发现创意或解决技术问题。众包指的是一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的,
而且通常是大型的大众网络的做法。众包的任务通常是由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式呈现。
众包是一种分布式的问题解决和生产模式。问题以公开招标的方式传播给未知的解决方案提供者群体。用户(这里指众包里的“众”)典型地组成在线社区并提交方案,群“众”还要审查方案,发现最好的。这些最好的方案最后由最先提出问题的一方(众包人,crowdsourcer)所有,并且群“众”中胜出的个人有时会被奖励。有时,这些工作会有不错的回报,包括积分、名声或知名度等;另外一些情况,胜出者会有智力上的满足感。众包系统(Crowdsourcingsystem)可以通过业余人士或志愿者利用他们的空余时间提供解决方案,或者让专家或小型企业从无人知晓到初具规模。
据统计,互联网每天同时在线人数高达七千万以上。这些网络参与者构成了一个巨大的众包市场。因此,如何有效地利用这个众包市场来处理一些问答平台(Q/A system,question/answer system)问题得到了工业界和学术界的广泛关注。例如用户可以通过在网络中进行提问来寻求其他在线用户的帮助:其中包括预测信息询问(“NBA季前赛今年将会在台湾打吗?”)、信息查询(“西藏是什么时候和平解放的?”)、以及意见征求(“哪个季节去迪拜旅游合适呢?”)等。在获取足够多的用户答复之后,该提问者便可以做出决定。这种在线征集意见的方式执行简便却是否有效,因此逐渐被越来越多的网络平台所接受,例如Twitter,Facebook以及Weibo。
虽然这种问答平台执行起来简单,但是,现有技术中却没有能够全方位地考虑用户回答问题的准确率和问题的难度,也没有能够有效地结合回答问题的奖励机制,导致提问者无法获取一个较佳的答案集合。
发明内容
(一)要解决的技术问题
本发明提供一种问答平台实现方法和系统,以解决现有技术中无法全面考虑答案准确率、有效性和奖励代价的技术问题。
(二)技术方案
为解决上述技术问题,本发明提供一种问答平台实现方法,包括:
从给定答案集合中表示答案的准确率和有效性;
量化所述给定答案集合中的奖励代价;
从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者。
进一步地,所述从给定答案集合中表示答案的准确率和有效性包括:
令第i个答案的错误率为μi,得到A(C)为采用多数表决方式从给定答案集合C中获得的答案准确率:
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的答案集合C的子集;
令第oi个答案的有效性ri为:
则所述给定答案集合C的有效性是:
进一步地,所述量化所述给定答案集合中的奖励代价包括:
令每个答案的奖励代价为:其中σb为正确答案的奖励代价,σr为错误答案的奖励代价,σr<<σb,d为衰减因子;
针对一个答案集合S,总奖励代价为:
则对于一个答案集合S,支出奖励代价的期望为:
其中m为集合中答案的数量。
进一步地,所述从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化包括:
从所述给定答案集合C中选取一个子集S,令δ为准确率阈值,使得:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ,
求解步骤如下:
步骤S1:首先计算支出奖励代价的期望E[S]:
θ为变量;
当并且时,进入步骤S3;
否则,当并且时, 是平均错误率;有效性则进入步骤S4;
当以上条件均不满足时,进入步骤S2;
步骤S2:计算答案的准确率A(S):
当A(S)≥δ,进入步骤S4;否则,进入步骤S3;
步骤S3:删除子集S;
步骤S4:存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
进一步地,所述子集S为:
答案的准确率A(S)的上界和下界满足:
支出奖励代价的期望E[c(S)]的上界为:
另一方面,本发明还提供一种问答平台实现系统,包括:表示单元、奖励代价单元和选择单元,选择单元分别与表示单元和奖励代价单元相连,其中:
表示单元,用于从给定答案集合中表示答案的准确率和有效性;
奖励代价单元,用于量化所述给定答案集合中的奖励代价;
选择单元,用于从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者。
进一步地,所述表示单元包括:
准确率子单元,用于从给定答案集合中表示答案的准确率:
令第i个答案的错误率为μi,得到A(C)为采用多数表决方式从给定答案集合C中获得的答案准确率,公式为:
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的答案集合C的子集;
有效性子单元,用于从给定答案集合中表示答案的有效性:
令第oi个答案的有效性ri为:
则所述给定答案集合C的有效性公式为:
进一步地,所述奖励代价单元还用于:
将每个答案的奖励代价利用如下公式表示:
其中σb为正确答案的奖励代价,σr为错误答案的奖励代价,σr<<σb,d为衰减因子;
针对一个答案集合S,利用如下公式表示总奖励代价:
则对于一个答案集合S,将支出奖励代价的期望用如下公式表示:
其中m为集合中答案的数量。
进一步地,
所述选择单元还用于:从所述给定答案集合C中选取一个子集S,令δ为准确率阈值,使得满足如下公式:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ,
所述选择单元包括:
代价计算子单元,用于计算支出奖励代价的期望E[S]:
θ为变量;
当并且时,进入删除子单元;
当并且时, 是平均错误率;有效性则进入存储输出子单元;
当以上条件均不满足时,进入准确率计算子单元;
准确率计算子单元:用于计算答案的准确率A(S):
当A(S)≥δ,进入存储输出子单元;否则,进入删除子单元;
删除子单元:用于删除子集S;
存储输出子单元:用于存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
进一步地,所述子集S为:
答案的准确率A(S)的上界和下界满足:
支出奖励代价的期望E[c(S)]的上界为:
(三)有益效果
可见,在本发明提供的问答平台实现方法和系统中,对于给定的答案集合,刻画每个答案的准确率、有效性和奖励代价,从而在满足准确率阈值的前提下,以最小化奖励代价和最大化答案有效性为目标对答案集合进行筛选,得到最终答案返回至提问者。本发明奖励代价小、准确率高,对于基于众包技术的问答平台具有很强的操作性和实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例问答平台实现方法的基本流程示意图;
图2是本发明一个优选实施例问答平台实现方法的流程示意图;
图3是本发明一个优选实施例问答平台实现方法中答案准确率阈值与答案个数的关系;
图4是本发明实施例问答平台实现系统的基本结构示意图;
图5是本发明一个优选实施例问答平台实现系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例首先提供一种问答平台实现方法,参见图1,包括:
步骤101:从给定答案集合中表示答案的准确率和有效性。
步骤102:量化所述给定答案集合中的奖励代价。
步骤103:从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者。
可见,在本发明实施例提供的问答平台实现方法中,对于给定的答案集合,刻画每个答案的准确率、有效性和奖励代价,从而在满足准确率阈值的前提下,以最小化奖励代价和最大化答案有效性为目标对答案集合进行筛选,得到最终答案返回至提问者。本发明实施例的方法奖励代价小、准确率高,对于基于众包技术的问答平台具有很强的操作性和实用性。
在本发明的一个实施例中,假设第i个答案的错误率为μi,将通过众包方式得到的答案集合用集合C来表示,定义A(C)为采用多数表决的方式从该答案集合C中得到最终答案的准确率。因此,优选地,A(C)表示在该知识库中有超过一半人的答案是正确答案的概率:
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的答案集合C的子集。该公式列举了问答平台给出的最终答案是正确的所有情况。
对于给定的集合C,期望从该集合得到的最终答案的准确率能够足够高。然而由于问答平台通常是一个开放平台,因此用户在回答问题时可以看到在他之前回答该问题的用户的答案,这就造成了后来者为了获取奖励而抄袭前者答案的情况。优选地,为了避免该情况的出现,定义ri为答案的有效性,则第oi个答案的有效性为:
因此,给定答案集合C的有效性可定义为:
在本发明的另一个实施例中,众包平台需要通过支付众包参与者一定的奖励来激励用户进行参与,如奖励积分、等级、威望值等。在本发明实施例的众包平台设计中,支付给正确答案的奖励代价用σb来表示;支付给错误答案的奖励代价用σr来表示;通常σr<<σb,例如:σb=5,σr=0.1。根据效用理论,相比于后来回答问题的用户,那些先回答问题的用户的答案具有更高的效用,因此众包平台应付给较早的答案较高的奖励代价。这里采用现金流衰减模型来刻画对每个答案支付的奖励代价:
在该公式中,d为衰减因子,可以根据自己的需求来灵活配置,。由上述公式可知,针对一个将被采用的答案集合S,提问者支出的总奖励代价为:
而随着答案集合组成的变化,提问者所需要支出的奖励代价也会产生相应的变化,因此对于一个答案集合S,支出奖励代价的期望为:
其中m为集合中答案的数量。
在本发明的一个实施例中,对于一个给定的答案集合C,可以从这个集合中选择一个子集S,使得从该子集得到的最终答案的准确率能够满足用户要求的准确率阈值δ,同时最小化用户开销,以及最大化答案的有效性。该问题的优化模型如下:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ
以上目标优化模型可被进一步转化为:
Min:
s.t.A(S)≥δ
优选地,其计算方法如下:
步骤S1:首先计算支出奖励代价的期望E[S]:
θ为变量;
当并且时,进入步骤S3;
否则,当并且时, 是平均错误率;有效性则进入步骤S4;
当以上条件均不满足时,进入步骤S2;
步骤S2:计算答案的准确率A(S):
当A(S)≥δ,进入步骤S4;否则,进入步骤S3;
步骤S3:删除子集S;
步骤S4:存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
在本发明的另一个实施例中,优选地,对于一个给定的答案集合的子集S,可满足:
答案的准确率A(S)的上界和下界满足:
支出奖励代价的期望E[c(S)]的上界为:
下面以具体实现一个问答平台的方法为例,来详细说明本发明一个实施例的实现过程,参见图2:
步骤201:从给定答案集合中表示答案的准确率。
本步骤中,假设第i个答案的错误率为μi,将通过众包方式得到的答案集合用集合C来表示,定义A(C)为采用多数表决的方式从该答案集合C中得到最终答案的准确率。因此,A(C)表示在该知识库中有超过一半人的答案是正确答案的概率:
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的答案集合C的子集。该公式列举了问答平台给出的最终答案是正确的所有情况。
步骤202:从给定答案集合中表示答案的有效性。
本步骤中,对于给定的集合C,期望从该集合得到的最终答案的准确率能够足够高。然而由于问答平台通常是一个开放平台,因此用户在回答问题时可以看到在他之前回答该问题的用户的答案,这就造成了后来者为了获取奖励而抄袭前者答案的情况。优选地,为了避免该情况的出现,定义ri为答案的有效性,则第oi个答案的有效性为:
因此,给定答案集合C的有效性可定义为:
步骤203:量化给定答案集合中的奖励代价。
众包平台需要通过支付众包参与者一定的奖励来激励用户进行参与,如奖励积分、等级、威望值等。在本发明实施例的众包平台设计中,支付给正确答案的奖励代价用σb来表示;支付给错误答案的奖励代价用σr来表示;通常σr<<σb,例如:σb=5,σr=0.1。根据效用理论,相比于后来回答问题的用户,那些先回答问题的用户的答案具有更高的效用,因此众包平台应付给较早的答案较高的奖励代价。这里采用现金流衰减模型来刻画对每个答案支付的奖励代价:
在该公式中,d为衰减因子,可以根据自己的需求来灵活配置,。由上述公式可知,针对一个将被采用的答案集合S,提问者支出的总奖励代价为:
而随着答案集合组成的变化,提问者所需要支出的奖励代价也会产生相应的变化,因此对于一个答案集合S,支出奖励代价的期望为:
m为集合中答案的数量。
步骤204:从给定答案集合中选取一个子集S,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化。
对于一个给定的答案集合C,可以从这个集合中选择一个子集S,使得从该子集得到的最终答案的准确率能够满足用户要求的准确率阈值δ,同时最小化用户开销,以及最大化答案的有效性。其中,所要求的答案准确率阈值与答案个数的关系如图3所示。
上述问题的优化模型如下:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ
以上目标优化模型可被进一步转化为:
Min:
s.t.A(S)≥δ
其计算方法如下:
步骤S1:首先计算支出奖励代价的期望E[S]:
θ为变量;
当并且时,进入步骤S3;
否则,当并且时, 是平均错误率;有效性则进入步骤S4;
当以上条件均不满足时,进入步骤S2;
步骤S2:计算答案的准确率A(S):
当A(S)≥δ,进入步骤S4;否则,进入步骤S3;
步骤S3:删除子集S;
步骤S4:存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
对于一个给定的答案集合的子集S,可满足:
答案的准确率A(S)的上界和下界满足:
支出奖励代价的期望E[c(S)]的上界为:
步骤205:将所得到的最终答案发送给提问者。
至此,则完成了本发明实施例问答平台实现方法的全过程。
本发明的一个实施例中,还提出了一种问答平台实现系统,参见图4,包括:
表示单元401,用于从给定答案集合中表示答案的准确率和有效性;
奖励代价单元402,用于量化所述给定答案集合中的奖励代价;
选择单元403,用于从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者。
在本发明的一个实施例中,优选地,表示单元401可以包括:准确率子单元,用于从给定答案集合中表示答案的准确率:
令第i个答案的错误率为μi,得到A(C)为采用多数表决方式从给定答案集合C中获得的答案准确率,公式为:
其中M为元素个数为k的答案集合C的子集,MC是集合M的补集。该公式列举了问答平台给出的最终答案是正确的所有情况。
对于给定的集合C,期望从该集合得到的最终答案的准确率能够足够高。然而由于问答平台通常是一个开放平台,因此用户在回答问题时可以看到在他之前回答该问题的用户的答案,这就造成了后来者为了获取奖励而抄袭前者答案的情况。优选地,表示单元401还可以包括:有效性子单元,用于从给定答案集合中表示答案的有效性:
令第oi个答案的有效性ri为:
则所述给定答案集合C的有效性公式为:
在本发明的另一个实施例中,众包平台需要通过支付众包参与者一定的奖励来激励用户进行参与,如奖励积分、等级、威望值等。在本发明实施例的众包平台设计中,支付给正确答案的奖励代价用σb来表示;支付给错误答案的奖励代价用σr来表示;通常σr<<σb,例如:σb=5,σr=0.1。根据效用理论,相比于后来回答问题的用户,那些先回答问题的用户的答案具有更高的效用,因此众包平台应付给较早的答案较高的奖励代价。优选地,奖励代价单元402还可以用于:将每个答案的奖励代价利用如下公式表示:
其中σb为正确答案的奖励代价,σr为错误答案的奖励代价,σr<<σb,d为衰减因子;
针对一个答案集合S,利用如下公式表示总奖励代价:
则对于一个答案集合S,将支出奖励代价的期望用如下公式表示:
在本发明的一个实施例中,对于一个给定的答案集合C,可以从这个集合中选择一个子集S,使得从该子集得到的最终答案的准确率能够满足用户要求的准确率阈值δ,同时最小化用户开销,以及最大化答案的有效性。优选地,选择单元403还可以用于:从给定答案集合C中选取一个子集S,令δ为准确率阈值,使得满足如下公式:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ,
选择单元403可以包括:
代价计算子单元501,如图5,用于计算支出奖励代价的期望E[S]:
当并且时,进入删除子单元503;
当并且时,有效性则进入存储输出子单元504;
当以上条件均不满足时,进入准确率计算子单元502;
准确率计算子单元502:用于计算答案的准确率A(S):
当A(S)≥δ,进入存储输出子单元504;否则,进入删除子单元503;
删除子单元503:用于删除子集S;
存储输出子单元504:用于存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
在本发明的另一个实施例中,优选地,对于一个给定的答案集合的子集S,可满足:
答案的准确率A(S)的上界和下界满足:
支出奖励代价的期望E[c(S)]的上界为:
可见,本发明实施例具有如下有益效果:
在本发明实施例提供的问答平台实现方法和系统中,对于给定的答案集合,刻画每个答案的准确率、有效性和奖励代价,从而在满足准确率阈值的前提下,以最小化奖励代价和最大化答案有效性为目标对答案集合进行筛选,得到最终答案返回至提问者。本发明实施例奖励代价小、准确率高,对于基于众包技术的问答平台具有很强的操作性和实用性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种问答平台实现方法,其特征在于,包括:
从给定答案集合中表示答案的准确率和有效性;
量化所述给定答案集合中的奖励代价;
从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者;
所述从给定答案集合中表示答案的准确率和有效性包括:
令第i个答案的错误率为μi,得到A(C)为采用多数表决方式从给定答案集合C中获得的答案准确率:
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>C</mi>
</msup>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的给定答案集合C的子集;
令第oi个答案的有效性ri为:
则所述给定答案集合C的有效性是:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<mfrac>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</mfrac>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</msub>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
</mrow>
<msup>
<mi>n</mi>
<mn>2</mn>
</msup>
</mfrac>
<mo>.</mo>
</mrow>
2.根据权利要求1所述的问答平台实现方法,其特征在于,所述量化所述给定答案集合中的奖励代价包括:
令每个答案的奖励代价为:其中σb为正确答案的奖励代价,σr为错误答案的奖励代价,σr<<σb,d为衰减因子;
针对一个答案集合S,答案集合S是给定答案集合C的子集,总奖励代价为:
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</msub>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>b</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</msub>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>r</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
则对于一个答案集合S,支出奖励代价的期望为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
<mi>m</mi>
</munderover>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mi>y</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中m为答案集合S中答案的数量。
3.根据权利要求2所述的问答平台实现方法,其特征在于,所述从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化包括:
从所述给定答案集合C中选取一个子集S,令δ为准确率阈值,使得:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ,
求解步骤如下:
步骤S1:首先计算支出奖励代价的期望E[c(S)]:
θ为变量;
当并且时,进入步骤S3;
否则,当并且时, 是平均错误率;有效性则进入步骤S4;
当以上条件均不满足时,进入步骤S2;
步骤S2:计算答案的准确率A(S):
当A(S)≥δ,进入步骤S4;否则,进入步骤S3;
步骤S3:删除子集S;
步骤S4:存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
4.根据权利要求3所述的问答平台实现方法,其特征在于,所述子集S为:
答案的准确率A(S)的上界和下界满足:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>e</mi>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>-</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>8</mn>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mi>e</mi>
<mi>&theta;</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>&theta;</mi>
</mrow>
</msup>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
支出奖励代价的期望E[c(S)]的上界为:
5.一种问答平台实现系统,其特征在于,包括:表示单元、奖励代价单元和选择单元,选择单元分别与表示单元和奖励代价单元相连,其中:
表示单元,用于从给定答案集合中表示答案的准确率和有效性;
奖励代价单元,用于量化所述给定答案集合中的奖励代价;
选择单元,用于从所述给定答案集合中选取一个子集,使其满足准确率阈值,并满足有效性最大化和奖励代价最小化,将所述子集作为最终答案发送给提问者;
所述表示单元包括:
准确率子单元,用于从给定答案集合C中表示答案的准确率:
令第i个答案的错误率为μi,得到A(C)为采用多数表决方式从给定答案集合C中获得的答案准确率,公式为:
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>C</mi>
</msup>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
其中M是在多数表决中获胜一方的答案集合,MC是集合M的补集,n是答案总数,Rk是元素个数为k的给定答案集合C的子集;
有效性子单元,用于从给定答案集合中表示答案的有效性:
令第oi个答案的有效性ri为:
则所述给定答案集合C的有效性公式为:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<mfrac>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</mfrac>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</msub>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
</mrow>
<msup>
<mi>n</mi>
<mn>2</mn>
</msup>
</mfrac>
<mo>.</mo>
</mrow>
6.根据权利要求5所述的问答平台实现系统,其特征在于,所述奖励代价单元还用于:
将每个答案的奖励代价利用如下公式表示:
<mrow>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>b</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>r</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中σb为正确答案的奖励代价,σr为错误答案的奖励代价,σr<<σb,d为衰减因子;
针对一个答案集合S,答案集合S是给定答案集合C的子集,利用如下公式表示总奖励代价:
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</msub>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>b</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</msub>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>r</mi>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
则对于一个答案集合S,将支出奖励代价的期望用如下公式表示:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
<mi>m</mi>
</munderover>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>M</mi>
<mo>&Element;</mo>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msup>
<mi>M</mi>
<mi>c</mi>
</msup>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mi>y</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中m为答案集合S中答案的数量。
7.根据权利要求6所述的问答平台实现系统,其特征在于:
所述选择单元还用于:从所述给定答案集合C中选取一个子集S,令δ为准确率阈值,使得满足如下公式:
Min:E[c(S)]
Max:R(S)
s.t.A(S)≥δ,
所述选择单元包括:
代价计算子单元,用于计算支出奖励代价的期望E[c(S)]:
θ为变量;
当并且时,进入删除子单元;
当并且时, 是平均错误率;有效性则进入存储输出子单元;
当以上条件均不满足时,进入准确率计算子单元;
准确率计算子单元:用于计算答案的准确率A(S):
当A(S)≥δ,进入存储输出子单元;否则,进入删除子单元;
删除子单元:用于删除子集S;
存储输出子单元:用于存储子集S和输出的最小值,通过多数表决方式得到最终答案并返回。
8.根据权利要求7所述的问答平台实现系统,其特征在于,所述子集S为:
答案的准确率A(S)的上界和下界满足:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>e</mi>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>-</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>8</mn>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mi>e</mi>
<mi>&theta;</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>&theta;</mi>
</mrow>
</msup>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<mo>&rsqb;</mo>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
支出奖励代价的期望E[c(S)]的上界为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310598474.6A CN104657390B (zh) | 2013-11-22 | 2013-11-22 | 一种问答平台实现方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310598474.6A CN104657390B (zh) | 2013-11-22 | 2013-11-22 | 一种问答平台实现方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657390A CN104657390A (zh) | 2015-05-27 |
CN104657390B true CN104657390B (zh) | 2018-01-12 |
Family
ID=53248534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310598474.6A Active CN104657390B (zh) | 2013-11-22 | 2013-11-22 | 一种问答平台实现方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657390B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215801A (zh) * | 2017-07-05 | 2019-01-15 | 程君 | 舆情监控方法及系统 |
CN108647858A (zh) * | 2018-04-12 | 2018-10-12 | 华东师范大学 | 一种基于用户不一致性信息的协同众包质量控制方法 |
CN110232507B (zh) * | 2019-05-28 | 2021-07-27 | 中国人民解放军国防科技大学 | 基于智能合约的众包活动全过程监管方法及系统 |
CN112633616A (zh) * | 2019-09-20 | 2021-04-09 | 北京邮电大学 | 一种协调群体智能平台冲突的方法和装置 |
CN112131354B (zh) * | 2020-11-26 | 2021-04-16 | 广州华多网络科技有限公司 | 答案筛选方法、装置、终端设备和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101529413A (zh) * | 2006-10-26 | 2009-09-09 | 微软公司 | Faq的自动生成器和更新器 |
CN103310349A (zh) * | 2013-06-14 | 2013-09-18 | 清华大学 | 一种基于在线激励机制的感知数据获取方法 |
-
2013
- 2013-11-22 CN CN201310598474.6A patent/CN104657390B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101529413A (zh) * | 2006-10-26 | 2009-09-09 | 微软公司 | Faq的自动生成器和更新器 |
CN103310349A (zh) * | 2013-06-14 | 2013-09-18 | 清华大学 | 一种基于在线激励机制的感知数据获取方法 |
Non-Patent Citations (3)
Title |
---|
An Online Cost Sensitive Decision-Making Method in Crowdsourcing Systems;jinyang gao et al;《SIGMOD’13》;20130622;第2-4、7-8页 * |
CDAS:a crowdsourcing data analytics;xuan liu et al;《proceedins of the VLDB endwment》;20121231;第5卷(第10期);第1040-1051 * |
Guided Crowdsourcing for Collective Work Coordination in Corporate Environments;Ioanna Lykourentzou et al;《ICCCI 2013》;20130911;第5-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104657390A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657390B (zh) | 一种问答平台实现方法和系统 | |
Kropp et al. | Technological entrepreneurship and small business innovation research programs | |
CN109766454A (zh) | 一种投资者分类方法、装置、设备及介质 | |
CN106339897A (zh) | 确定投放策略的方法及装置 | |
Zeng et al. | Incentive mechanisms in federated learning and a game-theoretical approach | |
CN107657034A (zh) | 一种社交信息增强的事件社交网络推荐算法 | |
CN107609084A (zh) | 一种基于群智汇聚收敛的资源关联方法 | |
CN107133874A (zh) | 一种基于遗传规划的量化策略生成系统 | |
Davis et al. | The rural non-farm economy in Central and Eastern Europe | |
CN105976234A (zh) | 一种移动众包系统中基于团队的激励机制的实现方法 | |
CN106997383A (zh) | 基于PageRank算法的问题推荐方法及系统 | |
Wang et al. | Social network analysis of actors in rural development: a case study of yanhe village, Hubei Province, China | |
CN115358831A (zh) | 基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置 | |
CN109670927A (zh) | 信用额度的调整方法及其装置、设备、存储介质 | |
Han | Co-producing an urban mobility service? The role of actors, policies, and technology in the boom and bust of dockless bike-sharing programmes | |
Skoglund et al. | The potential of cultural and creative industries in remote areas | |
CN110222010A (zh) | 基于区块链的论文保存方法、设备及计算机可读存储介质 | |
Gonzales et al. | Cooperatives and community development | |
CN112101528A (zh) | 基于反向传播的终端贡献度量方法 | |
CN107688964A (zh) | 一种用于大规模众包任务扩散的激励方法 | |
CN116485527A (zh) | 一种金融信用风险分析方法及装置 | |
Singh et al. | Information technology, venture capital and the stock market | |
Tan | Deliberative democracy and village self-government in China | |
CN107784512A (zh) | 一种基于人工智能的服务商推荐系统的算法 | |
Watts et al. | Social network analysis of sustainable transportation organizations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |