CN109886596A - 一种基于心理账户理论提高群智感知系统合作率的方法 - Google Patents

Abstract

本发明提供了一种基于心理账户理论提高群智感知系统合作率的方法。首先，将群智感知系统中的任务分成高难度比任务集合和低难度比任务集合；其次，计算群智感知系统中用户完成这两种任务集合获得的平台激励的平均值；再次，根据心理账户的参照依赖特性计算用户选择平台任务的需求参考值；从次，计算得到用户选择每个任务的需求标准值并计算用户所选全部任务的总需求标准值；接着，在平台预算允许范围内选出优胜用户实践感知任务；最后，根据心理账户的损失规避特性计算用户完成任务的质量水平并给予用户真实需求值。本发明在一定程度上，降低了用户完成任务的需求值，提高了参与感知任务的用户数，从而进一步提高了感知平台的性能。

Description

一种基于心理账户理论提高群智感知系统合作率的方法

技术领域

本发明群智感知技术领域，尤其涉及一种将行为经济学中的心理账户理论引入群智感知系统提高用户参与率的激励方法。

背景技术

群智感知是以人为中心的感知，一般由感知平台和移动用户两部分组成。感知平台将任务需求发布给所有的用户，然后用户接收并完成任务，再将任务数据反馈给平台。感知平台由位于数据中心的多个感知服务器构成，移动用户是携带带有嵌入式传感器(摄像头、麦克风、GPS、重力感应器、加速计、电子罗盘等)的移动设备的用户组成。群智感知已经被应用到多个领域中，包括环境监测、交通监测、公共安全、社交服务等。

不论群智感知被应用到哪种领域，群智感知的过程都依赖大量的移动用户参与。如果参与群智感知的用户数量不足，那么群智感知系统的性能将受到最直接的影响。然而用户在参与群智感知任务的过程中，会消耗自身设备的电量、存储、通信等资源，甚至承担隐私泄露的风险，这些都是用户参与任务的阻碍因素。因此，群智感知系统的应用需要解决用户的参与度的问题，如何建立有效的激励机制促进用户参与群智感知，是十分必要的。

现阶段群智感知中的激励机制主要可以分为基于娱乐、服务和货币三种类型的激励机制。这三种激励机制的基本原则都是以某种方式(娱乐体验、需求的服务或金钱)需求用户在完成感知任务时产生的损失，满足用户的需求。其中货币机制是最为直接的激励机制。基于货币的激励机制又可以分成基于拍卖和基于斯塔克尔伯格(Stackelberg)博弈两类，在群智感知中拍卖机制的应用最为广泛。然而，现有的群智感知激励机制都是基于传统经济学设计，这些机制假设用户在选择感知时任务的需求值是独立的，既不受外部因素影响的，也不受用户之前参与的结果的影响。而行为经济学中关于心理账户理论的研究表明，人们并不总是能做出理性的选择，而更倾向于做出满意度最大化的选择，人们的满意程度受到环境和心理等多种因素影响。

综上所述，急需一种考虑环境因素和心理因素对用户行为决策影响的、更有效的激励用户参与群智感知的方法来解决上述问题。本方法在群智感知系统中，将感知平台给予用户的激励量化为需求值，然后引入了心理账户理论的参照依赖特性和损失规避特性，设计了一种将行为经济学中的心理账户理论引入群智感知系统提高用户参与率的激励方法。

发明内容

针对上述技术问题，本发明提供一种基于心理账户理论提高群智感知系统合作率的方法，其能更贴近现实的激励效果，更有效的促进用户参与群智感知系统。

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明公开了一种激励用户参与群智感知系统的方法，其特征在于，包括如下步骤：

步骤1、群智感知系统中的任务发布阶段，根据群智感知系统平台中任务的平均需求值和任务难度，将系统中所有任务分到两个类型的集合：低难度比集合和高难度比集合；

步骤2、用户选择感知任务准备阶段，根据步骤1得到的两类任务集合、群智感知系统中用户以前选择的任务以及获得的任务需求历史，分别计算两类任务集合的平均任务需求值；

步骤3、用户选择任务阶段，对于用户在所选择的感知任务，根据用户上一次选择这个任务真实需求值和步骤2得到的平均任务需求值，基于心理账户理论的参照依赖特性计算出用户选择这个任务的需求参考值；

步骤4、根据步骤3得到的用户选择每个任务的需求参考值，以及用户完成这个任务的成本，计算得到用户选择每个任务的需求标准值和用户选择所有任务任务的总需求标准值；

步骤5、平台选择用户阶段，根据步骤4得到平台中每个任务的所有选择用户，按照用户的总需求标准值与总任务价值的比值大小排序，在感知平台预算允许范围内选出所有该比值较小的用户成为优胜用户，即感知任务的实践者；

步骤6、计算用户真实需求，根据步骤5得到的优胜者用户，再根据心理账户理论的损失规避特性，统计这些用户完成任务的质量水平，如果质量水平达标则支付用户与其标准需求值相等的真实需求值，如果质量水平不达标则真实需求值只是标准需求值的一部分。

步骤7、根据步骤6得到的用户真实需求值和感知任务的价值，计算每个用户的需求满意度和平台的性能。

进一步的，步骤1还包括：群智感知平台中任务的真实需求值高于平均任务真实需求值，而任务难度低于平均值，那么任务就被分到低难度比集合中，否则任务将被分到高难度比任务集合中。

进一步的，步骤2还包括：根据下面两个公式分别计算高难度比任务集合和低难度比集合的平均任务真实需求值：

其中，r_H是高难度比任务集合的平均任务真实需求值，r_L是低难度比任务集合的平均任务真实需求值，j∈W表示用户j属于系统平台用户集W，i∈Γ_H表示用户j选择的任务i属于高难度比任务集合Γ_H，表示用户j本轮任务选择过程前选择任务i获得的任务真是需求值，表示用户j在本轮任务选择过程前选择的任务总集合。

进一步的，步骤3具体为：根据用户j所选择的任务i所在的集合，用以下公式计算出用户j选择任务i的需求参考值：

其中，r_j,i是用户j选择任务i的需求参考值，γ表示平均任务真实需求值r_H或r_L对用户j的影响程度，γ∈[0,1]，表示用户j上一次选择任务i时的真实需求值。

进一步的，步骤4还包括：用户j选择任务i的标准需求值表达式为：

b_j,i＝δ·c_j,i+(1-δ)·r_j,i

其中，b_j,i表示用户j选择任务i的标准需求值，c_j,i表示用户j选择任务i的任务成本，δ表示c_j,i在用户j的选择决策中所占的比重；用户j在本轮任务选择过程中选择的所有任务的总标准需求值的表达式是：

其中，T_j表示用户j在任务选择过程中选择的所有任务的集合，b_j表示用户j选择T_j的总标准需求值。

进一步的，步骤5具体为：根据以下公式选择平台中每个任务i的优胜者，如果选择任务i的用户j满足以下不等式，那么用户j就成为该任务的优胜者：

其中，W_i表示本轮任务选择过程中选择了任务i的用户集合，V_j表示用户j的选择集合T_j中所有任务的总任务价值。

进一步的，步骤6还包括：

步骤6.1：统计优胜者用户完成任务的质量水平，用户j完成任务集T_j的质量水平评估计算如下公式所示：

其中，q_j表示用户j完成任务集T_j的质量水平，q_j,i表示用户j完成任务i的质量水平；

步骤6.2：根据步骤6.1得到用户完成投标任务集中所有任务的质量水平和平台制定的质量水平标准Q，判断用户的质量水平是否达到了平台的标准；如果用户j满足不等式q_j≥Q，那么用户j就是质量水平合格者，用户j可以从平台获得的真实需求值如下公式所示：

p_j＝b_j

如果用户j不满足q_j≥Q，那么用户j就是质量水平不合格者，用户j可以从平台获得的真实需求值如下公式所示：

其中，p_j表示用户j可以从平台获得的真实需求值，表示质量水平不合格的用户可获得的需求比例，

进一步的，步骤7还包括：用户需求满意度的计算公式如下所示：

平台性能的计算公式如下所示：

其中，u_j表示用户j的需求满意度，c_j表示用户j投标T_j集合中所有子任务成本之和，U表示平台性能，T表示平台中所有优胜者投标的任务集合，W_w表示平台中所有优胜者的集合。

本发明相对于现有技术具有如下有益效果：本发明基于行为经济学的理论，提出了一种促进用户参与群智感知系统的激励框架。与现有的技术相比，现有的激励机制基于传统经济学的理性假设设计，而本发明考虑了外部环境因素和心理因素对用户的激励作用，建立了能够影响用户行为决策的平台环境，并向参与系统中感知任务选择的用户提供了需求标准值，通过平台环境和需求标准值有指向性地引导用户决策，所以本发明能有更实际和更有效的激励效果。同时，本发明基于行为经济学中的损失厌恶理论，设计了一种需求激励机制，可以促进用户提高完成任务的质量。

附图说明

从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。

图1为本发明总体框架流程示意图；

图2为图1中需求计算机制的流程图；

图3和图4为相同数据下本发明实施例与现有的具有代表性的方法性能比较的曲线。

MAAIM是本发明的方法，与其它方法相比，显然本发明在各种数据预处理下性能都较好。其中图3是用户参与率比较图，图4是任务完成质量比较图。

具体实施方式

实施例一

下面将结合附图和实施例对本发明做进一步详细说明：

步骤1：构建群智感知系统中的平台环境，并向用户发布任务信息。如图1所示，将平台中的所有任务分成高难度比任务和低难度比任务两类。假设平台中共有m个任务，任务集合Γ＝{i₁,i₂,i₃...i_m}，对应Γ中每个任务的价值的集合是V＝{v₁,v₂,v₃...v_m}。其中有x个任务的真实需求值格高于平均值而任务难度低于平均值，可以得到高难度比集合Γ_H中共有x个任务，低难度比任务集合Γ_L中共有m-x个任务；

步骤2：计算高难度比任务集合和低难度比集合的平均真实需求值。假设平台中共有n个用户，用户集合为W＝{j₁,j₁,j₁...j_n}，每个用户j在平台中的投标任务集是T_j。统计本轮任务选择过程以前，Γ_H和Γ_L集合中用户完成任务获得的平均真实需求值，并向用户发布这个平均值，作为用户选择任务的参考依据。平均真实需求值的计算公式如下所示：

其中，r_H是Γ_H集合的平均任务真实需求值，r_L是Γ_L集合的平均任务真实需求值，i∈Γ_H表示用户j投标的任务i属于高难度比任务集合Γ_H，表示用户j本轮任务选择过程前选择任务i获得的真实需求值，表示用户j在本轮任务选择过程前选择的任务总集合。

步骤3：计算用户投标每个任务的需求参考值。根据用户j选择的任务i在平台中的类型，来计算用户j选择的任务i的需求参考值。如果任务i在Γ_H区，则r_H就是用户在平台中得到的需求参考值。如果任务i在Γ_L区，则r_L就是用户在平台中得到的需求参考值。通过以下公式计算出用户j投标任务i的具体的需求参考值：

其中，r_j,i是用户j选择任务i的需求参考值，γ表示平均任务真实需求值r_H或r_L对用户j的影响程度，γ∈[0,1]，表示用户j上一次选择任务i时的真实需求值。

步骤4：根据用户j选择的任务集T_j的需求参考值r_j,i和对应的任务成本计算得到用户选择的任务集的总标准需求值b_j，然后向平台提供b_j和T_j信息。用户j投标任务i的投标价格表达式为：

b_j,i＝δ·c_j,i+(1-δ)·r_j,i

其中，c_j,i表示用户j选择任务i的任务成本，δ表示c_j,i在用户j的选择决策中所占的比重。b_j就是用户j所选择的T_j中每个子任务的投标价格的总和，b_j表达式是：

步骤5：平台从所有选择参与感知任务的用户中选出每个任务的优胜者。假设平台中有某个任务i_Δ，用户j₁，j₂和j₃都选择了任务i_Δ。用户j₁，j₂和j₃的总标准需求值分别是b₁，b₂和b₃，j₁，j₂和j₃选择的任务集的总价值分别是V₁，V₂和V₃。根据以下公式选择任务i_Δ的任务优胜者，其中，W_i表示本轮任务选择过程中选择了任务i_Δ的用户集合：

如果b₁/V₁+b₂/V₂+b₃/V₃≤1，那么用户j₁，j₂和j₃都是任务i_Δ的任务优胜者；如果b₁/V₁+b₂/V₂+b₃/V₃＞1，并且b₁/V₁+b₂/V₂≤1，那么用户j₁，j₂是任务i_Δ的任务优胜者，j₃不是任务优胜者；

步骤6：在用户j完成任务后，感知平台向用户支付真实需求值，真实需求值的计算流程图如图2所示，具体包括以下步骤：

步骤6.1：估算用户完成投标任务集的质量水平。首先记录优胜用户j完成每个任务i的质量水平q_j,i，然后计算用户j完成任务的平均质量水平q_j，用q_j代表用户j在本轮拍卖中的任务质量完成的水准。q_j的计算公式如下所示：

步骤6.2：平台根据j完成任务的质量水平计算j对应的真实需求值。用p_j表示用户j可以从平台获得的真实需求值，而在计算p_j前，还需要将q_j和平台制定的质量水平标准Q相比较。心理账户中损失厌恶意味着面对同等量的获得值和损失值，相比于获得值带来的快感，损失值带来的痛苦更多。基于损失厌恶特性计算得到用户在质量不达标时所得的需求比例放大用户质量不达标时带来的负面影响。如果q_j≥Q，就说明用户j是质量水平合格者，则用户j可以从平台获得全部的标准需求值，此时p_j的计算公式如下所示：

p_j＝b_j

如果j不满足q_j≥Q，那么用户j就是质量水平不合格者，作为惩罚用户j不可以得到全部标准需求值，只能得到部分的标准需求值，此时p_j的计算公式如下所示：

其中，表示质量水平不合格的用户可获得的标准需求值占比，

步骤7：计算本轮任务选择过程结束后的平台性能和用户需求满意度。u_j表示用户j的需求满意度，c_j表示用户j投标T_j集合中所有子任务成本之和，u_j的计算公式如下所示：

U表示平台性能，T表示平台中所有优胜者投标的任务集合，W_w表示平台中所有优胜者的集合，U的计算公式如下所示：

在本实施例中，首先评估了平台中不同任务总量时，γ值和δ值对平台性能和平均用户需求满意度的影响，相关的数据取值如下表1-4所示,表1是不同γ值下平台性能的比较，表2是不同γ值下平均用户需求满意度的比较，表3是不同δ值下平台性能的比较，表4是不同δ值下平均用户需求满意度的比较。

为了更进一步评估本发明的性能，本发明也与其它目前具有代表性的方法(RVA-IM)进行比较，如图3和图4所示。验证结果表明，本发明的性能均优于其它目前最先进的方法。

表1不同任务总量下γ值变化时的平台性能

表2不同任务总量下γ值变化时的平均用户需求值

平台中任务总数	γ＝0	γ＝0.2	γ＝0.4	γ＝0.6	γ＝0.8	γ＝1
							100	18.615453	18.561637	18.564575	18.946569	19.331072	19.053263
200	23.512763	22.846984	22.634009	21.710288	20.917557	19.245304
							300	24.991021	24.266356	23.366026	22.251777	19.376193	13.623024
400	25.186017	24.535869	23.754077	21.425111	17.744016	8.7471226
							500	25.32097	24.432320	23.041381	20.639663	15.910672	5.2462791

表3不同任务总量下δ值变化时的平台性能

平台中任务总数	δ＝0	δ＝0.2	δ＝0.4	δ＝0.6	δ＝0.8	δ＝1
							100	955.8344	641.80400	588.48379	975.70652	1254.1344	685.45491
200	4535.4020	3342.3187	2445.5797	2574.0350	2477.2248	971.33773
							300	7511.4989	6093.2998	4595.5157	4014.6089	3471.1915	1150.1702
400	9754.5426	8253.4472	6525.3807	5477.5090	4158.3054	1461.4657
							500	11486.165	9786.5535	8114.2771	6392.7436	4859.7064	1725.8283

表4不同任务总量下δ值变化时的平均用户需求满意度

平台中任务总数	δ＝0	δ＝0.2	δ＝0.4	δ＝0.6	δ＝0.8	δ＝1
							100	8.9462420	11.927093	16.498576	20.572439	23.162599	30.244402
200	8.8292369	14.491065	20.286902	23.116813	24.573863	30.903890
							300	6.8757094	13.704511	20.513018	24.265389	26.539794	34.707467
400	5.4822102	12.359637	20.004365	24.183521	26.948580	35.297068
							500	4.5283916	11.308569	18.803820	24.405982	28.26301	37.174523

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种基于心理账户理论提高群智感知系统合作率的方法，其特征在于，包括如下步骤：

步骤1、群智感知系统中的任务发布阶段，根据群智感知系统平台中任务的平均需求值和任务难度，将系统中所有任务分到两个类型的集合：低难度比集合和高难度比集合；

步骤2、用户选择感知任务准备阶段，根据步骤1得到的两类任务集合、群智感知系统中用户以前选择的任务以及获得的任务需求历史，分别计算两类任务集合的平均任务需求值；

步骤3、用户选择任务阶段，对于用户在所选择的感知任务，根据用户上一次选择这个任务真实需求值和步骤2得到的平均任务需求值，基于心理账户理论的参照依赖特性计算出用户选择这个任务的需求参考值；

步骤4、根据步骤3得到的用户选择每个任务的需求参考值，以及用户完成这个任务的成本，计算得到用户选择每个任务的需求标准值和用户选择所有任务任务的总需求标准值；

步骤5、平台选择用户阶段，根据步骤4得到平台中每个任务的所有选择用户，按照用户的总需求标准值与总任务价值的比值大小排序，在感知平台预算允许范围内选出所有该比值较小的用户成为优胜用户，即感知任务的实践者；

步骤6、计算用户真实需求，根据步骤5得到的优胜者用户，再根据心理账户理论的损失规避特性，统计这些用户完成任务的质量水平，如果质量水平达标则支付用户与其标准需求值相等的真实需求值，如果质量水平不达标则真实需求值只是标准需求值的一部分；

步骤7、根据步骤6得到的用户真实需求值和感知任务的价值，计算每个用户的需求满意度和平台的性能。

2.根据权利要求1所述的方法，其特征在于，步骤1还包括：群智感知平台中任务的真实需求值高于平均任务真实需求值，而任务难度低于平均值，那么任务就被分到低难度比集合中，否则任务将被分到高难度比任务集合中。

3.根据权利要求2所述的方法，其特征在于，步骤2还包括：根据下面两个公式分别计算高难度比任务集合和低难度比集合的平均任务真实需求值：

其中，r_H是高难度比任务集合的平均任务真实需求值，r_L是低难度比任务集合的平均任务真实需求值，j∈W表示用户j属于系统平台用户集W，i∈Γ_H表示用户j选择的任务i属于高难度比任务集合Γ_H，表示用户j本轮任务选择过程前选择任务i获得的任务真是需求值，表示用户j在本轮任务选择过程前选择的任务总集合。

4.根据权利要求3所述的方法，其特征在于，步骤3具体为：根据用户j所选择的任务i所在的集合，用以下公式计算出用户j选择任务i的需求参考值：

其中，r_j,i是用户j选择任务i的需求参考值，γ表示平均任务真实需求值r_H或r_L对用户j的影响程度，γ∈[0,1]，表示用户j上一次选择任务i时的真实需求值。

5.根据权利要求4所述的方法，其特征在于，步骤4还包括：用户j选择任务i的标准需求值表达式为：

b_j,i＝δ·c_j,i+(1-δ)·r_j,i

其中，b_j,i表示用户j选择任务i的标准需求值，c_j,i表示用户j选择任务i的任务成本，δ表示c_j,i在用户j的选择决策中所占的比重；用户j在本轮任务选择过程中选择的所有任务的总标准需求值的表达式是：

其中，T_j表示用户j在任务选择过程中选择的所有任务的集合，b_j表示用户j选择T_j的总标准需求值。

6.根据权利要求5所述的方法，其特征在于，步骤5具体为：根据以下公式选择平台中每个任务i的优胜者，如果选择任务i的用户j满足以下不等式，那么用户j就成为该任务的优胜者：

其中，W_i表示本轮任务选择过程中选择了任务i的用户集合，V_j表示用户j的选择集合T_j中所有任务的总任务价值。

7.根据权利要求6所述的方法，其特征在于，步骤6还包括：

步骤6.1：统计优胜者用户完成任务的质量水平，用户j完成任务集T_j的质量水平评估计算如下公式所示：

其中，q_j表示用户j完成任务集T_j的质量水平，q_j,i表示用户j完成任务i的质量水平；

步骤6.2：根据步骤6.1得到用户完成投标任务集中所有任务的质量水平和平台制定的质量水平标准Q，判断用户的质量水平是否达到了平台的标准；如果用户j满足不等式q_j≥Q，那么用户j就是质量水平合格者，用户j可以从平台获得的真实需求值如下公式所示：

p_j＝b_j

如果用户j不满足q_j≥Q，那么用户j就是质量水平不合格者，用户j可以从平台获得的真实需求值如下公式所示：

其中，p_j表示用户j可以从平台获得的真实需求值，表示质量水平不合格的用户可获得的需求比例，

8.根据权利要求7所述的方法，其特征在于，步骤7还包括：用户需求满意度的计算公式如下所示：

平台性能的计算公式如下所示：

其中，u_j表示用户j的需求满意度，c_j表示用户j投标T_j集合中所有子任务成本之和，U表示平台性能，T表示平台中所有优胜者投标的任务集合，W_w表示平台中所有优胜者的集合。