CN109460978B - 一种基于社会关系认知的群智服务节点选择方法 - Google Patents

Abstract

本发明涉及一种基于社会关系认知的群智服务节点选择方法，根据众包任务所要求的一个或若干个能力属性，计算用户所有朋友的加权能力值，根据能力要求，找到所有朋友中加权能力中最匹配的若干个参与者；执行众包任务并完成转发，平台对众包任务的执行效度进行评价，并反馈结果；用户根据反馈结果更新所有朋友的诚信度和能力矩阵值，为下一个众包任务的执行或转发做准备。本发明将人与人之间的社会关系融入到群智众包服务中，量化人与人之间的社会关系、信任与能力认知，并以适当的权重融入了发包方与接包方的匹配算法里，提高任务的完成效率，节省时间和金钱。

Description

一种基于社会关系认知的群智服务节点选择方法

技术领域

本发明涉及信息技术，计算机科学与技术领域，特别是一种基于社会关系认知的群智服务节点选择方法。

背景技术

随着信息技术、通信技术的进一步发展，使得集成了GPS、陀螺仪、加速度、声音、光照等众多传感的移动智能终端具有很强的环境、状态感知能力。群智感知正是基于这一背景，高效利用这些智能终端的感知能力，收集社会环境、自然环境、物理和生理状态等信息并进行创新性应用，是当前城市计算、社会计算、感知任务众包等的研究热点。在群智感知中，感知信息的质量是决定群智任务成功与否的重要因素。而感知信息质量又与参与者的素质与能力紧密相关。

现有的群智服务节点选择方法主要有：

1.不做任何筛选，直接将群智任务通过众包服务平台以洪泛方式向外界发布。类似于重庆的猪八戒网和厦门的一品威客网，客户(发包方)将自己的需求、交付截止日期、愿意支付的报酬等描述清楚，即通过平台网络(平台)向社会发布。有能力的愿意接受该任务的社会大众(接包方)向平台提供自己接包请求，三方(发包方、接包方、平台)再进行细节商定。接包方完成任务后通过平台向发包方交付最后结果，发包方支付酬金。

2.根据发包方任务所在的位置，选择适当的接包方。平台对接包方的位置、历史评价、能力范围等进行全面评价，再与发包方所描述的任务属性进行匹配，选择合适的接包方。如滴滴打车，当发包方发出一个打车请求后，平台并不会发给所有的司机，而是对发包方出发地所在位置周边的潜在司机(接包方)进行分析，如，是否已经有单、位置离出发地有多远、道路拥堵情况、到达出发地需要多长时间、是否曾经去过目的地以及历史接单的评价如何，平台对这些因素进行加权，然后找出一个最合适的接包方并将该任务推送给该接包方。

3.根据区域覆盖选择接包方。以网格形式对区域进行划分，要求每个网格必须有最少一个接包者接受任务，以达到对感知任务的区域覆盖。网格的大小往往是固定的，只要在一个网格里有最少一名接包者，即认为任务分配成功。缺少对接包者能力的考虑。

现有的众包服务节点选择方法，始终没有解决“接包方与发包方”之间的信任问题，也没有考虑双方的能力属性的匹配程度。因此依然存在大量的欺骗问题，一方面发包方可能通过虚假发包，收集参与者、竞争对手的多种隐私信息或达到宣传自己的目的；另一方面接包方也可能仅仅是为了获得奖励，而不认真完成任务或者进行数据造假。进一步，这些欺骗数据会给后续的数据处理带来不必要的更大开支，影响系统的处理速度及结果的精确度。这是所有以“共享、众包”为技术基础的商业模式的共同缺陷，即众包任务的参与者(发包方、接包方、平台、监管……)之间，缺少相互之间的信任关系。如何将人与人之间的社会关系融入到群智众包服务中，量化人与人之间的社会关系、信任与能力认知，并以适当的权重融入了发包方与接包方的匹配算法里，是目前研究的重点。

发明内容

有鉴于此，本发明的目的是提出一种基于社会关系认知的群智服务节点选择方法，从语义级别量化朋友的能力属性，并能够根据任务所要求的一个或若干个能力属性，计算朋友的加权能力值；找到朋友中加权能力中最匹配的若干个参与者完成任务，提高效率，节省时间。

本发明采用以下方案实现：一种基于社会关系认知的群智服务节点选择方法，包括以下步骤：

步骤S1：提供用户U移动端手机微信通讯录内所有朋友的聊天记录；其中，所有朋友的个数用m表示；

步骤S2：提供若干能力类别A₁,A₂,…,A_n，n表示能力类别的个数，n＝1,2,3…；每个所述能力类别下均有若干个能力关键字a₁₁,a₂₁,…a_nk，其中，A₁表示第一能力类别，A₂表示第二能力类别，A_n表示第n能力类别，其中，a₁₁表示第一能力类别A₁下的第一个关键字，a₂₁表示第二能力类别A₂下的第一个关键字，a_nk表示第n能力类别下的第k个关键字，k表示第k个关键字，k＝1,2，3…；

步骤S3：对用户U与所述所有朋友的聊天信息，按周期进行采样统计，并统计大于2年的聊天信息；

步骤S4：如果用户U与所述所有朋友中的其中一个朋友的聊天信息中出现步骤S2中所述的若干能力类别中的其中一个能力类别A_i，i＝1,2,…,n下的若干个能力关键字中的一个关键字a_ij，j＝1,2,…,k，则该朋友聊天信息中出现关键字a_ij所对应的能力类别A_i的能力值加1；

步骤S5：如果所述步骤S4中用户U所有朋友中的其中一个朋友的朋友圈出现关键字a_ij，则该朋友的朋友圈中出现关键字a_ij所对应的能力类别A_i的能力值加2；

步骤S6：重复步骤S3、步骤S4和步骤S5，得到用户U的所有朋友的能力值的能力矩阵M_U；其中，m表示用户U的所有朋友数为m个；n表示能力类别的个数；则用户U的所有朋友的能力矩阵为：

其中，

表示用户U的第p个朋友的第i种能力值的大小；i＝1,2,…,n,p＝1,2,…,m；

步骤S7：对用户U的所有朋友中的某个朋友，按其n种能力值从大到小排序，得到该朋友的兴趣和能力属性；

步骤S8：针对步骤S7中所述的能力属性，在用户U的所有朋友中按该能力属性值从大到小排序；

步骤S9：当用户U发布或接受到发包者发送的某个众包任务时，根据这个众包任务所需的能力属性集{A_i}，i∈[1,2,…,n]，给出各能力值在任务中所占的权重wⁱ，其中，wⁱ∈(0，1]，∑wⁱ＝1，i∈[1,2,…,n]；

步骤S10：根据步骤S9的任务，根据所有朋友的能力矩阵M_U，计算所有朋友在步骤S9能力约束下的能力值大小；即能力值

其中，i∈[1,2,…,n]，h_p表示该好友的诚信指数；

表示该好友第i种能力值的大小，wⁱ是步骤S9中所述发包者给出的任务权重，U_p表示用户的第p个好友根据发包者任务要求的能力约束下计算得到的能力值；

步骤S11：根据所述发包者对能力属性及相应权重设定的约束，挑选出能力值前50位的好友或好友数的10％接受任务；

步骤S12：用户U的所有接受到步骤S11所述的众包任务通知的朋友，执行该任务，并重复步骤S9至步骤S12转发该任务，直到该任务结束；

步骤S13：终端平台对众包任务的执行效度进行评价，并反馈结果；用户U根据反馈结果更新所有执行了任务的朋友的诚信度和能力矩阵值，为下一个众包任务的执行或转发做准备。

进一步地，步骤S3中所述的周期为一年或者半年。

进一步地，步骤S10中所述朋友诚信指数h_p具体为：

其中f表示朋友p完成的历史任务总数；Q^e表示该朋友p完成第e个任务后，用户U给他的历史评价值；其中，Q^e∈[1，10]。

与现有技术相比，本发明有以下有益效果：

本发明根据任务所要求的一个或若干个能力属性，计算朋友的加权能力值，根据能力要求，找到朋友中加权能力中最匹配的若干个参与者；分配众包任务让朋友完成并转发，提高任务的完成效率，节省时间。

附图说明

图1为本发明实施例的流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

当前以微信、FACEBOOK等为代表的移动社交发展迅猛，据腾讯2018年一季报数据，微信及WeChat用户达到了10.4亿。2017年微信登录人数已达9.02亿，日均发送微信次数为380亿，微信已成为国内最大的移动流量平台之一。而FACEBOOK的全球用户数则超过了20亿，日活跃用户数多达3亿。根据1967年美国哈佛大学教授Stanley Milgram的六度分隔理论，即生活这个世界上的任何一个人平均只需要通过6个中间人就能与世界上的其他任何人建立联系。而同时，与完全陌生的人相比，人们往往更信任与自己有社会关系的人。该理论也称为小世界理论，是社交网络研究中最重要的理论基础之一。本实施例正是基于这一理论，即能充分利用人与人在社交关系中的信任因素，又能充分利用小世界理论，将群智任务快速众包给合适的人群。

具体的，如图1所示，本实施例提供了一种基于社会关系认知的群智服务节点选择方法，包括以下步骤：

步骤S1：提供用户U移动端手机微信通讯录内所有朋友的聊天记录；其中，所有朋友的个数用m表示；

步骤S2：提供若干能力类别A₁,A₂,…,A_n，n表示能力类别的个数，n＝1,2,3…；每个所述能力类别下均有若干个能力关键字a₁₁,a₂₁,…a_nk，其中，A₁表示第一能力类别，A₂表示第二能力类别，A_n表示第n能力类别，其中，a₁₁表示第一能力类别A₁下的第一个关键字，a₂₁表示第二能力类别A₂下的第一个关键字，a_nk表示第n能力类别下的第k个关键字，k表示第k个关键字，k＝1,2，3…；

步骤S3：对用户U与所述所有朋友的聊天信息，按周期进行采样统计，并统计最近2年以上的聊天信息；

步骤S4：如果用户U与所述所有朋友中的其中一个朋友的聊天信息中出现步骤S2中所述的若干能力类别中的其中一个能力类别A_i，i＝1,2,…,n下的若干个能力关键字中的一个关键字a_ij，j＝1,2,…,k，则该朋友聊天信息中出现关键字a_ij所对应的能力类别A_i的能力值加1；

步骤S5：如果所述步骤S4中用户U所有朋友中的其中一个朋友的朋友圈出现关键字a_ij，则该朋友的朋友圈中出现关键字a_ij所对应的能力类别A_i的能力值加2；

步骤S6：重复步骤S3、步骤S4和步骤S5，得到用户U的所有朋友的能力值的能力矩阵M_U；其中，m表示用户U的所有朋友数为m个；n表示能力类别的个数；则用户U的所有朋友的能力矩阵为：

其中，

表示用户U的第p个朋友的第i种能力值的大小；i＝1,2,…,n,p＝1,2,…,m；

步骤S7：对用户U的所有朋友中的某个朋友，按其n种能力值从大到小排序，得到该朋友的兴趣和能力属性；

步骤S8：针对步骤S7中所述的能力属性，在用户U的所有朋友中按该能力属性值从大到小排序；能力值排名在前，则该朋友合适做这个感知众包任务；

步骤S9：当用户U发布或接受到发包者发送的某个众包任务时，根据这个众包任务所需的能力属性集{A_i}，i∈[1,2,…,n]，给出各能力值在任务中所占的权重wⁱ，其中，wⁱ∈(0，1]，∑wⁱ＝1，i∈[1,2,…,n]；

步骤S10：根据步骤S9的任务，根据所有朋友的能力矩阵M_U，计算所有朋友在步骤S9能力约束下的能力值大小；即能力值

其中，i∈[1,2,…,n]，h_p表示该好友的诚信指数；

表示该好友第i种能力值的大小，wⁱ是步骤S9中所述发包者给出的任务权重，U_p表示用户的第p个好友根据发包者任务要求的能力约束下计算得到的能力值；

步骤S11：根据所述发包者对能力属性及相应权重设定的约束，挑选出能力值靠前的50位好友或好友数的10％接受任务；(该数值为系统默认值，也可以由用户自己选择确定)；对U_p进行排序，即能在用户U的所有好友中，找出最适合该任务的若干好友；

步骤S12：用户U的所有接受到步骤S11所述的众包任务通知的朋友，执行该任务，并重复步骤S9至步骤S12转发该任务，直到该任务结束；

步骤S13：终端平台对众包任务的执行效度进行评价，并反馈结果；用户U根据反馈结果更新所有执行了任务的朋友的诚信度和能力矩阵值，为下一个众包任务的执行或转发做准备。

在本实施例中，步骤S3中所述的周期为一年或者半年。

在本实施例中，步骤S10中所述朋友诚信指数h_p即根据该朋友接受并完成任务的历史记录，刻画该朋友的可信程度；

其中f表示朋友p完成的历史任务总数；Q^e表示该朋友p完成第e个任务后，用户U给他的历史评价值；其中，Q^e∈[1，10]。

较佳的，在本实施例中具体的实施过程如下：

(1)在用户(U用户)个人授权同意的情况下，收集其与所有朋友的聊天记录(出于隐私保护的需要，仅限于在U个人的手机上应用)

(2)预设若干能力类别(A₁,A₂,…,A_n)，每个能力分类下面有若干个能力关键字。如A₁能力下面有(a₁,a₂,…,a_k)共k个关键字。即如果在聊天记录中出现(a₁,a₂,…,a_k)这些关键字，则将其归为A₁能力。

(3)对U与所有朋友的聊天信息，按某个周期进行采样统计。如半年或一年。并统计近2年以上的聊天信息。如果与某个朋友的聊天信息中出现了关键字(a₁,a₂,…,a_k)中的任何一个，则该朋友的A₁能力值加1，以此类推。

(4)用户U的某个朋友的朋友圈出现关键字(a₁,a₂,…,a_k)中的任何一个，则该朋友的A₁能力值加2，以此类推。

(5)重复(3)、(4)，最后可以得出用户U的所有朋友的能力矩阵M_u。假设用户U有m个朋友，系统划分成n个能力类别，则U的朋友能力矩阵为：

(6)对U的某个朋友，按其n种能力值从大到小排序，可以刻画该朋友的兴趣和能力属性；对于某个能力属性，在所有的朋友中，按该能力属性值从大到小排序，可以在所有朋友中找出能力最强的若干个朋友，即若干个最适合干这个能力值所代表的感知众包事务的人。

(7)U发布或接受到某个众包任务时，根据所需的能力属性，从朋友中选择最合适的若干个朋友，执行并转发该任务。如果该任务要求多个能力属性，则根据每个能力属性的权重，在U的朋友能力矩阵M_u中，根据该能力值及相应的权重，重新对朋友能力值进行排序，得出最适合的若干朋友。

(8)U的所有接受到该任务通知的朋友，执行该任务，并重复以上步骤转发该任务。直到该任务结束(如时间截止，激励费用耗尽等)。

(9)平台对众包任务的执行效度进行评价，并反馈结果。用户据此更新好友的诚信度、能力矩阵等值，为下一步众包任务的执行或转发做准备。

特别的，在本实施例充分利用社会网络中人与人之间的信任关系，减少欺骗数据，从而提升感知信息质量，共同协作完成某些感知任务。将人与人之间的社会关系融入到群智众包服务中，量化人与人之间的社会关系、信任与能力认知，并以适当的权重融入了发包方与接包方的匹配算法里。根据任务所要求的一个或若干个能力属性，计算朋友的加权能力值。根据能力要求，找到朋友中加权能力中最匹配的若干个参与者；并利用了朋友能力属性值的量化方法和朋友能力矩阵的生成方法。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种基于社会关系认知的群智服务节点选择方法，其特征在于：包括以下步骤：

步骤S1：提供用户U移动端手机微信通讯录内所有朋友的聊天记录；其中，所有朋友的个数用m表示；

步骤S2：提供若干能力类别A₁,A₂,…,A_n，n表示能力类别的个数，n＝1,2,3…；每个所述能力类别下均有若干个能力关键字a₁₁,a₂₁,...a_nk，其中，A₁表示第一能力类别，A₂表示第二能力类别，A_n表示第n能力类别，其中，a₁₁表示第一能力类别A₁下的第一个关键字，a₂₁表示第二能力类别A₂下的第一个关键字，a_nk表示第n能力类别下的第k个关键字，k表示第k个关键字，k＝1,2，3…；

步骤S3：对用户U与所述所有朋友的聊天信息，按周期进行采样统计，并统计大于2年的聊天信息；

步骤S4：如果用户U与所述所有朋友中的其中一个朋友的聊天信息中出现步骤S2中所述的若干能力类别中的其中一个能力类别A_i，i＝1,2,…,n下的若干个能力关键字中的一个关键字a_ij，j＝1,2,…,k，则该朋友聊天信息中出现关键字a_ij所对应的能力类别A_i的能力值加1；

步骤S5：如果所述步骤S4中用户U所有朋友中的其中一个朋友的朋友圈出现关键字a_ij，则该朋友的朋友圈中出现关键字a_ij所对应的能力类别A_i的能力值加2；

步骤S6：重复步骤S3、步骤S4和步骤S5，得到用户U的所有朋友的能力值的能力矩阵M_U；其中，m表示用户U的所有朋友数为m个；n表示能力类别的个数；则用户U的所有朋友的能力矩阵为：

其中，

表示用户U的第p个朋友的第i种能力值的大小；i＝1,2,…,n,p＝1,2,…,m；

步骤S7：对用户U的所有朋友中的某个朋友，按其n种能力值从大到小排序，得到该朋友的兴趣和能力属性；

步骤S8：针对步骤S7中所述的能力属性，在用户U的所有朋友中按该能力属性值从大到小排序；

步骤S9：当用户U发布或接受到发包者发送的某个众包任务时，根据这个众包任务所需的能力属性集{A_i}，i∈[1,2,…,n]，给出各能力值在任务中所占的权重wⁱ，其中，wⁱ∈(0，1]，∑wⁱ＝1，i∈[1,2,…,n]；

步骤S10：根据步骤S9的任务，根据所有朋友的能力矩阵M_U，计算所有朋友在步骤S9能力约束下的能力值大小；即能力值

其中，i∈[1,2,…,n]，h_p表示该好友的诚信指数；

表示该好友第i种能力值的大小，wⁱ是步骤S9中所述发包者给出的任务权重，U_p表示用户的第p个好友根据发包者任务要求的能力约束下计算得到的能力值；

所述诚信指数h_p具体为：

其中f表示朋友p完成的历史任务总数；Q^e表示该朋友p完成第e个任务后，用户U给他的历史评价值；其中，Q^e∈[1，10]。

步骤S11：根据所述发包者对能力属性及相应权重设定的约束，挑选出能力值前50位的好友或好友数的10％接受任务；

步骤S12：用户U的所有接受到步骤S11所述的众包任务通知的朋友，执行该任务，并重复步骤S9至步骤S12转发该任务，直到该任务结束；

步骤S13：终端平台对众包任务的执行效度进行评价，并反馈结果；用户U根据反馈结果更新所有执行了任务的朋友的诚信度和能力矩阵值，为下一个众包任务的执行或转发做准备。

2.根据权利要求1所述的一种基于社会关系认知的群智服务节点选择方法，其特征在于：步骤S3中所述的周期为一年或者半年。

Images