CN107527147A

CN107527147A - 基于社会网络的复杂任务分配方法

Info

Publication number: CN107527147A
Application number: CN201710732666.XA
Authority: CN
Inventors: 秦海燕; 章永龙; 李斌; 陈书彦
Original assignee: Yangzhou University
Current assignee: Yangzhou University
Priority date: 2017-08-18
Filing date: 2017-08-18
Publication date: 2017-12-29

Abstract

本发明涉及基于社会网络的复杂任务分配方法。本发明社会网络SN由工人A，邻接关系E和权重D组成，任务请求者提交一个任务R给平台，包括任务的技能请求和估值，组成社会网络的A中的工人向平台提交所拥有的技能和相应的成本，收集到社会网络、任务请求者和工人的信息后，平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。本发明克服了未考虑工人之间社会网络、加入团队的亲密度和技能贡献，以及公平性等缺陷。本发明采用拍卖方式，考虑工人之间、团队、技能等，是一种防策略性的分配机制。

Description

基于社会网络的复杂任务分配方法

技术领域

本发明涉及任务分配、激励机制领域，特别涉及基于社会网络的复杂任务分配方法。

背景技术

众包就是拥有预算的任务请求者发布任务，请求以获得报酬为目的、有特定技能的工人来完成任务一种方式。现今，众包平台有很多，例如，国外的Amazon MechanicalTurk、Elance等；国内的猪八戒网、任务中国等。社会网络是指社会个体成员之间因为互动而形成的相对稳定的关系体系。在众包中同样存在着社会网络，例如，由于两个工人之前的合作过，这两个工人有一定的亲密度，当其再次合作时，会更加协调，完成任务的效率更高。

在本发明作出之前，现有的众包平台中存在如下几个难点：

1)现如今很多大型的众包任务，如制作网站、图书编译等，需要工人们的合作来共同完成。工人们之间的亲密度就对工作完成的质量至关重要。如果一个工人能与有过合作关系的或者熟悉的工人进行合作，那么，执行任务的过程就协调。相反，如果两个工人之前从未合作过，工人初次合作时就需要磨合，这就给任务的完成带来了难度。现阶段的众包平台在分配任务时考虑工人之间社会网络的少之又少。

2)现有的平台只是简单地考虑工人对任务有无技能贡献，来决定工人是否加入团队。这种评估的方法太片面。评估社会网络中工人对任务的适宜度，应同时考虑工人加入团队的亲密度和技能贡献。

3)自利的工人会通过谎报报价来获得更高的效益，定价过程中就要采用一种防策略机制来确保真实性。现阶段，众包环境下的定价策略大多由工人所报的价格或者任务请求者所提供的价格决定。为了保证真实性，拍卖被应用在很多领域，例如协作通信、云资源供应、众包平台等。毫无疑问，拍卖是防止谎报的有效方式。现有的众包任务分配没有考虑参与者的策略性，使得一些欺诈者获利，加大了交易的不公平性。

发明内容

本发明的目的就在于克服上述缺陷，研发基于社会网络的复杂任务分配方法。

本发明的技术方案为：

基于社会网络的复杂任务分配方法，其主要技术特征在于如下步骤：

(1)社会网络SN由工人A，邻接关系E和权重D组成；

(2)任务请求者提交一个任务R给平台，包括任务的技能请求和估值；

(3)组成社会网络的A中的工人向平台提交所拥有的技能和相应的成本；

(4)收集到社会网络、任务请求者和工人的信息后，平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作；

所述的平台收集到任务R和工人A以及A之间的社会网络SN后，从边际贡献Δ_i和团队亲密度Γ_i两方面评估工人对任务R的适宜度；

所述的赢者决策主要包括如下过程：

如果团队T中没有成员，将A赋给Neis，表示现阶段可选的工人；否则，Neis是有关T中成员未分配的对R有贡献的邻居工人的集合。从Neis中，选取单位适宜度成本最小的工人a_i作为赢者候选人加入到团队T中，从A中去除a_i。根据a_i对任务R的技能贡献，更新未覆盖的技能向量。迭代进行上述过程，直至集合A为空，或者任务R的技能请求被覆盖。

所述的定价策略在于，对T中的工人a_i，依次进行如下过程：从A中去除工人a_i，重新建立团队T′来完成任务R，在迭代形成团队T′的过程中计算临界价格p_i，直至集合A为空，或者任务R的技能请求被覆盖。迭代得出的最大p_i作为临界价格；

所述的任务R被成功完成，当且仅当组成的团队T满足R的技能请求，并且付给T的总费用小于等于R的估值b。

本发明的优点和效果在于社会网络由工人、邻接关系和权重组成；任务请求者提交一个任务给平台，包括任务的技能请求和估值；工人向平台提交所拥有的技能和相应的成本；众包平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。

本发明充分考虑工人之间存在的社会网络关系，工人之间的权重代表通信费用，所形成的团队通信成本越小意味着工人之间越熟悉，完成任务的效率就更高。每当一个工人加入团队时，本发明考虑团队通信成本的增加值，由此判断该工人是否适合加入团队。与此同时，本发明考虑工人加入团队的边际贡献，即，该工人对未被满足的技能的贡献程度，工人的贡献越大，加入团队的可能性就越大。综合亲密度和通信成本两方面考虑工人加入团队的适宜度。

本发明采用拍卖的方式进行决策，其中任务请求者是买方，工人是卖方。本发明主要包括赢者决策、定价策略两个过程，实现了任务请求者和团队的匹配，并决定了支付给工人的费用。定价策略采用Myerson算法理论，工人支付的费用是临界价格。当团队工人报价大于临界价格时，其他失败的工人将会替代该工人的位置，该工人就会成为失败者。因此，整个过程是一种防策略性(Strategy-Proof)的分配机制，即工人即使谎报价格也不能提高他们的效用。因此，工人为了自身的利益，就不会再选择谎报。

附图说明

图1——本发明模型示意图。

图2——本发明社会网络示例图。

图3——本发明赢者决策流程示意图。

具体实施方式

本发明的技术思路是：

本发明模型示意图如图1所示。社会网络由工人、邻接关系和权重组成；任务请求者提交一个任务给平台，包括任务的技能请求和估值；工人向平台提交所拥有的技能和相应的成本；众包平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。平台从边际贡献和亲密度两方面评估工人的适宜度。分配过程采用Myerson算法理论，工人支付的费用是临界价格。当团队工人报价大于临界价格时，其他失败的工人将会替代该工人的位置，该工人就会成为失败者。因此，整个过程是一种防策略性的分配机制，即工人即使谎报价格也不能提高他们的效用。

下面具体说明本发明。

社会网络SN由工人A，邻接关系E和权重D组成。A＝{a₁，a₂，...，a_m}表示社会网络上存在直接或间接联系的m个工人的集合；(a_i，a_j)∈E表示a_i与a_j之间存在直接的社会联系；d(a_i，a_j)∈D表示a_i与a_j之间的通信费用，即a_i与a_j边的权重。对于该社会网络，现考虑τ种技能，即S＝{s₁，s₂，...，s_τ}。如图2所示为一个小型的社会网络示例图。现有7个工人{a₁，a₂，a₃，a₄，a₅，a₆，a₇}，工人之间的边表示存在直接的连接关系，权重代表通信成本，如a₁与a₃的通信成本是2，a₁与a₆之间的通信成本是8。通信成本越低，说明工人之间合作越协调，如a₁与a₃之间的合作就比a₁与a₆的合作效率高。因此，如果一个工人能与有过合作关系的或者熟悉的工人进行合作，那么，执行任务的过程就协调。相反，如果两个工人之前从未合作过，工人初次合作时就需要磨合，这就给任务的完成带来了难度。现阶段的众包平台在分配任务时考虑工人之间社会网络的少之又少。

本发明考虑一个任务请求者提交一个任务R给平台。R提出τ维的技能请求其中表示该任务请求者是否需要第k个技能来完成这项任务。b为该任务请求者对任务成功完成后取得效益的估值，也意味着愿意付给工人们酬劳总和的上限。

每一个在A中的工人a_i向平台提交一个元组其中表示是否具备第k个技能，代表贡献技能的花销。若工人a_i对任务R不仅贡献一个技能，本发明引入oC_i表示a_i完成任务R的成本，也是a_i完成任务的预期收入。oC_i由a_i所贡献的所有技能成本累加和得出。

平台收集到任务R和工人A以及A之间的社会网络SN之后，进行决策。本发明分两方面评估工人对任务R的适宜度，边际贡献Δ_i和团队亲密度Γ_i。适宜度意味着工人完成任务的适合程度，适宜度越大，该工人更适合加入团队中。Δ_i与i对任务R的贡献的技能有关，贡献越大，Δ_i越大；Γ_i与i加入团队后的通信成本有关，即与社会网络中的权重D有关，通信成本越小，Γ_i越大。a_i适宜度fitness(a_i)＝αnor(Δ_i)+(1-α)nor(1/Γ_i)，nor(·)是归一化函数，α∈[0，1]是有关边际贡献Δ_i和团队亲密度Γ_i之间的调节参数。现有的众包平台只是片面地考虑工人对任务有无技能贡献，来决定工人是否加入团队。本发明评估工人的适宜度时，同时考虑工人加入团队的亲密度和技能贡献更加合理、全面。

平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。整个分配过程采用Myerson算法理论，工人支付的费用是临界价格。当团队工人报价大于临界价格时，其他失败的工人将会替代该工人的位置，该工人就会成为失败者，保证了真实性。

首先，赢者决策。赢者决策流程示意图如图3所示。如果团队T中没有成员，将A赋给Neis，表示现阶段可选的工人；否则，Neis是有关T中成员未分配的对R有贡献的邻居工人的集合。从Neis中，选取单位适宜度成本最小的工人a_i作为赢者候选人加入到团队T中，从A中去除a_i。根据a_i对任务R的技能贡献，更新未覆盖的技能向量。迭代进行上述过程，直至集合A为空，或者任务R的技能请求S_R被覆盖。

其次，定价策略。对T中的工人a_i，依次进行如下步骤：

从A中去除工人a_i，重新建立团队T′来完成任务R。同样，如果团队T′中没有成员，将A赋给Neis，表示现阶段可选的工人；否则，Neis是有关T′中成员未分配的对R有贡献的邻居工人的集合。从Neis中，选取单位适宜度成本最小的工人a_j作为标准计算a_i的临界价格p_i。将a_j加入到团队T′中，从A中去除a_j。根据a_j对任务R的贡献，更新未覆盖的技能向量。迭代进行上述步骤，直至集合A为空，或者任务R的技能请求S_R被覆盖。迭代得出的最大p_i作为临界价格。a_i的最终临界支付p_i确保了真实性，即若a_i报价大于p_i，则a_i不能成为该团队的成员，A中的其他成员会替代a_i的位置。

任务R被成功完成，当且仅当组成的团队T满足R的技能请求，并且付给T的总费用小于等于R的估值b。

Claims

1.基于社会网络的复杂任务分配方法，其特征在于如下步骤：

(1)社会网络SN由工人A、邻接关系E和权重D组成；

(4)收集到社会网络、任务请求者和工人的信息后，平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。

2.根据权利要求1所述的基于社会网络的复杂任务分配方法，其特征在于所述的平台收集到任务R和工人A以及A之间的社会网络SN后，从边际贡献Δ_i和团队亲密度Γ_i两方面评估工人对任务R的适宜度。

3.根据权利要求1所述的基于社会网络的复杂任务分配方法，其特征在于所述步骤(4)中的赢者决策主要包括如下过程：

如果团队T中没有成员，将A赋给Neis，表示现阶段可选的工人；否则，Neis是有关T中成员未分配的对R有贡献的邻居工人的集合；从Neis中，选取单位适宜度成本最小的工人a_i作为赢者候选人加入到团队T中，从A中去除a_i；根据a_i对任务R的技能贡献，更新未覆盖的技能向量；迭代进行上述过程，直至集合A为空，或者任务R的技能请求被覆盖。

4.根据权利要求1所述的基于社会网络的复杂任务分配方法，其特征在于所述步骤(4)中的定价策略，对T中的工人a_i，依次进行如下过程：从A中去除工人a_i，重新建立团队T′来完成任务R，在迭代形成团队T′的过程中计算临界价格p_i，直至集合A为空，或者任务R的技能请求被覆盖，迭代得出的最大p_i作为临界价格。

5.根据权利要求1所述的基于社会网络的复杂任务分配方法，其特征在于所述的任务R被成功完成，当且仅当组成的团队T满足R的技能请求，并且付给T的总费用小于等于R的估值b。