CN112633616A - 一种协调群体智能平台冲突的方法和装置 - Google Patents

一种协调群体智能平台冲突的方法和装置 Download PDF

Info

Publication number
CN112633616A
CN112633616A CN201910891995.8A CN201910891995A CN112633616A CN 112633616 A CN112633616 A CN 112633616A CN 201910891995 A CN201910891995 A CN 201910891995A CN 112633616 A CN112633616 A CN 112633616A
Authority
CN
China
Prior art keywords
worker
answer
submitted
task
answers
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.)
Pending
Application number
CN201910891995.8A
Other languages
English (en)
Inventor
王尚广
许金良
周傲
马骁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910891995.8A priority Critical patent/CN112633616A/zh
Publication of CN112633616A publication Critical patent/CN112633616A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施方式公开了一种协调群体智能平台冲突的方法和装置。方法包括：发布者在群体智能平台上发布任务；每个工人分别提交针对任务的答案和所述答案的信念值；利用针对所述任务收到的所有已提交的答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。可以降低任务完成的时间延迟，提高群智社区的工人质量，减少发布者的成本，进而有利于平台的长期发展。

Description

一种协调群体智能平台冲突的方法和装置
技术领域
本发明属于群体智能技术领域，更具体地，涉及一种协调群体智能平台冲突的方法和装置。
背景技术
用户群体是支撑互联网应用与服务的重要资源。群体智能(简称群智)资源，即由多个个体所构成的群体智力资源。群智协同计算作为一种基于互联网的重要计算模式，在此背景下应运而生。其目标是通过大规模群智资源的高效协同来汇聚实现群体智能，从而为问题求解提供有效支持。群智系统是群智协同计算模式的具体实现，本质上是将用户发布的任务分配给群智资源进行处理的计算系统。构成群智系统的主要实体包括任务发布者(requester)、任务执行者和计算机等。与传统计算系统不同，群智系统是人机协作的计算系统，所支撑的计算模式涵盖众包、人本计算(human computation)、集体智能(collectiveintelligence)和开放式协作(open collaboration)等。
群智技术通常被应用在知识收集(例如移动众包)或决策任务(机器学习中的训练数据集的标签)中。在这些场景中，所需完成的任务数量往往非常巨大，相较之下，专家的数量就显得捉襟见肘，并且计算机经常无法很好地自动执行评估过程。因此，一个可行的替代方案是诉诸在线群智平台(例如，MTurk1或CrowdFlower2)上招募的一群个人(即工人)来承担这些任务(即完成任务，然后通过平台报告任务的解决方案)。通过群智平台发布和获取解决方案的人称为发布者。
现有的群智社区很少考虑将利益相关者的激励措施整合在一起，这可能是其进一步应用的重大障碍。此外，三个利益相关者(工人、发布者和群智平台)之间的激励因素总是相互冲突。这对群智任务的四个关键评估指标(即质量、花费、时延和平台发展)产生了不利影响，这将阻碍整个群智社区的长期发展(主要指三个利益相关者)。
例如，如果工人的目的是赚取更多的工资(工人的基本目标)，他可能会尝试在固定的时间成本内完成尽可能多的任务，从而导致报告质量低下。如果他也希望获得高批准率(被判断为正确的报告解决方案的百分比，这是MTurk和CrowdFlower采用的重要指标)，他可以跳过困难的任务(跳过是大多数群智平台所支持的功能)，从而导致过度延迟。显而易见，工人所采取的策略都与发布者所激励的方向背道而驰。如果工人和发布者无法达成共识，他们可能会选择跳槽离开群智平台，这将严重损害群智平台的利益。
因此，改善所有四个关键评估指标的关键是从整个群智社区的角度出发。然而，目前缺少一种使三大利益相关者在群智平台的激励机制保持一致的处理机制，因此如何协调群体智能平台的冲突是一项尚待解决的突出问题。
发明内容
本发明实施例提出一种协调群体智能平台冲突的方法和装置。
本发明实施例的技术方案包括：
一种协调群体智能平台冲突的方法，包括：
发布者在群体智能平台上发布任务；
每个工人分别提交针对所述任务的答案和所述答案的信念值；
利用针对所述任务收到的所有已提交答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为该工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
在一个实施方式中，所述任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure BDA0002209040230000031
Figure BDA0002209040230000032
其中St是针对所述任务收到的所有已提交答案的集合，yn,t为工人n为所述任务提交的答案；sign为符号函数。
在一个实施方式中，该方法包括：
判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误。
在一个实施方式中，还包括：
计算对应于该工人提交的答案的信念值的奖励值或惩罚值的步骤，具体包括：
计算工人的工人等级值k，
Figure BDA0002209040230000033
其中approval rate是该工人在历史上所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure BDA0002209040230000034
其中x该工人提交的答案的信念值。
在一个实施方式中，基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案包括：
计算最终答案
Figure BDA0002209040230000035
Figure BDA0002209040230000036
其中n是工人编号；gn,t是工人n在任务t上的期望收益，其中
Figure BDA0002209040230000041
一种协调群体智能平台冲突的装置，包括：
任务发布模块，用于发布者在群体智能平台上发布任务；
提交模块，用于每个工人分别提交针对所述任务的答案和所述答案的信念值；
奖惩模块，用于利用针对所述任务收到的所有已提交答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为该工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
最终答案生成模块，用于基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
在一个实施方式中，所述任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure BDA0002209040230000042
Figure BDA0002209040230000043
其中St是针对所述任务收到的所有已提交答案的集合，yn,t为工人n为所述任务提交的答案；sign为符号函数。
在一个实施方式中，奖惩模块，用于判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误；计算工人的工人等级值k，
Figure BDA0002209040230000044
其中approval rate是该工人在历史上所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure BDA0002209040230000051
其中x该工人提交的答案的信念值。
在一个实施方式中，最终答案生成模块，用于计算最终答案
Figure BDA0002209040230000052
Figure BDA0002209040230000053
其中n是工人编号；gn,t是工人n在任务t上的期望收益；
其中
Figure BDA0002209040230000054
一种计算机存储介质，其上存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现如上任一项所述的方法步骤。
从上述技术方案可以看出，在本发明实施方式中，发布者在群体智能平台上发布任务；每个工人分别提交针对所述发布任务的答案和所述答案的信念值；利用针对所述任务收到的所有已提交的答案集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。因此，本发明实施方式考虑到群智平台、任务发布者、工人这三个利益相关者之间的激励因素通常是相互冲突，不利于群智社区的长远发展的特点，从整个群智社区的发展的角度出发，提出了一种激励相容的群智平台的奖惩处理技术方案，将上述三个利益相关者的利益统一起来，使得这些利益相关者在追求个人利益最大化的时候，实现整体利益最大化。
在本发明实施方式中，一个任务同时被广播给多个工人，工人提交的答案报告不但包括任务的答案，还有自己对该答案的把握程度。根据多个工人所提交的答案报告，来决定应该给予每个工人奖励或惩罚以及数额大小，而不仅仅是非负值的奖励。
另外，本发明实施方式还确定了一簇适当的奖惩函数族，每个工人适用的奖惩函数由其业务水平的等级值决定，而该等级值由该工人的历史表现记录(所提交的答案的准确率)计算得到。该过程中系统一直保持其激励相容的性质。所提出的机制可以帮助降低任务完成的时间延迟，提高群智社区的工人质量，减少发布者的成本，进而有利于平台的长期发展。
附图说明
图1为本发明协调群体智能平台冲突的方法流程图。
图2为本发明协调群体智能平台冲突的处理过程示意图。
图3为本发明协调群体智能平台冲突的装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
为了描述上的简洁和直观，下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显，本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案，一些实施方式没有进行细致地描述，而是仅给出了框架。下文中，“包括”是指“包括但不限于”，“根据……”是指“至少根据……，但不限于仅根据……”。由于汉语的语言习惯，下文中没有特别指出一个成分的数量时，意味着该成分可以是一个也可以是多个，或可理解为至少一个。
群智，即群体智能，(包括众包、群智感知等)，是一个很有前途的应用领域，发布者可以通过群智平台向其注册用户，即一大群半熟练工人广播大量任务，以获得可靠的解决方案。然而，群智平台、任务发布者、工人这三个利益相关者之间的激励因素通常是相互冲突的，不利于群智社区的长远发展。
在本发明实施方式中，提出一种激励相容的群智平台奖惩机制。一方面，根据工人上报的答案报告里的答案及其对该报告的信念值(主观把握程度)以决定对其实施奖励或惩罚及其奖惩程度，并进一步得到最终答案给任务发布者。另一方面，每个工人的历史表现被设计用来影响其奖惩程度，而同时能够确保奖惩的激励相容性。
图1是本发明协调群体智能平台冲突的方法流程图。
如图1所示，该方法包括：
步骤101：发布者在群体智能平台上发布任务；
步骤102：每个工人分别提交针对发布任务的答案和答案的信念值；
步骤103：利用针对任务收到的所有已提交的答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
步骤104：基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
在一个实施方式中，任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure BDA0002209040230000071
Figure BDA0002209040230000072
其中St是针对所述任务收到的所有已提交的答案集合，yn,t代表工人n为所述任务提交的答案；sign为符号函数。
在一个实施方式中，判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误。
在一个实施方式中，还包括：
计算对应于该工人提交的答案的信念值的奖励值或惩罚值的步骤，具体包括：
计算工人的工人等级值k，
Figure BDA0002209040230000081
其中approval rate是该工人在历史上所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure BDA0002209040230000082
其中x该工人提交的答案的信念值。
在一个实施方式中，基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案包括：
计算最终答案
Figure BDA0002209040230000083
Figure BDA0002209040230000084
其中gn,t是工人n在任务t上的期望收益，其函数为：
Figure BDA0002209040230000085
在本发明实施方式中，包含如下原则：
(1)、群智系统内的三个参与方都是理性独立人，即总是做出对自身利益最大化的决策；
(2)、同一个任务不会被下发给同一个工人两次，且被下发同一个任务的工人相互勾结以欺骗发布者的概率很小；
(3)、激励规则的设计者看重系统的可持续发展，让各参与方都获得比之前更大的利益。
图2为本发明协调群体智能平台冲突的处理过程示意图。
参见图2，介绍本发明一种能协调平台中三类参与者利益冲突的激励机示意图。
首先，发布者需要在平台上发布自己的任务，并提供相应的任务酬金。工人也需要在平台上进行注册，并支付抵押金。然后，工人在平台上选择其认为能胜任的任务，并给出相应的提交报告，其中包含对任务的答案和自己对该答案的把握程度，即信念值。答案信息将被送往判决处理中，以进行奖惩类别的判断，判断的结果以及信念值将被送往奖惩处理中，以进行奖励或惩罚数额的计算。与此同时，答案和信念值也将被送往最终答案生成处理中，最终汇聚计算出最终答案。最后，工人在平台上根据累计的奖惩数额，获取发布者提供的部分任务酬金或向发布者支付部分抵押金。至此完成该机制一次完整的流程
具体地，针对每个任务(二类型任务)，单个工人要提交两条信息，分别为所选择的答案和对该答案的信念值。多个提交报告作为最终答案生成模块的输入，产生该任务的最终答案。各个工人提交的答案信息以产生基准答案。基准答案用于判决每个工人给出的答案的正确或错误(以决定奖惩与否)。奖励或惩罚的具体数额由基准答案和提交的信念值所决定。
其中，定义了基准答案
Figure BDA0002209040230000091
Figure BDA0002209040230000092
其中st是任务t收到的所有已提交的答案的集合，yn,t代表工人n为任务t给出的答案，即答案。若工人所提交答案是否等于基准答案，则输出判决结果为奖励，反之则为惩罚。
另外，本发明实施方式还引入奖励函数r(x)和惩罚函数p(x)，由此可以进一步定义期望收益函数g(x)：
g(x)＝r(x)·c-p(x)·(1-c)；
这里x代表工人为该任务给出的信念值，c是该工人所认为的其给出的答案正确的概率。这里仅讨论二类型任务，即候选答案只有两个，形式化表示如下：
y∈{+1,-1}；
其中y表示一个可能的答案，±1代表候选答案。进一步，模型可以表示为：
Figure BDA0002209040230000101
其中第一个公式意味着工人要最大化其期望收益的则必须如实上报c,第二个公式表示奖励函数和惩罚函数都与x呈正相关性，第三个表示边界条件，第四个表示定义域。
求解如上的模型公式得到如下一簇解：
Figure BDA0002209040230000102
其中k≥2。
将上式代入g(x)＝r(x)·c-p(x)·(1-c)中，易见当x＝c时，可以取得g(x)的全局最大值点。因此，该模型有助于引导工人准确真实的上报他们所认为的其type正确的概率。从长远来看，进而有：
Figure BDA0002209040230000103
注意到在奖惩和期望收益函数中的k变量具有如下性质：提交同样的答案和信念值，k越大，工人的收益函数值和惩罚函数值都减少，同时期望收益函数值也会减小。因此我们可以将k视为用于评估工人长期表现的一个评估系数，称作工人等级值，其定义为：
工人等级值＝(1/准确率)+1；
对于同样的答案，仅有一次来自100％准确率工人的反馈和有100次来自100％准确率的工人反馈应具有不同的置信水平。
在最终答案生成中，通过对某一具体任务的多个来自不同工人的提交信息进行计算，将输出该任务提交给发布者的最终结果
Figure BDA0002209040230000111
Figure BDA0002209040230000112
如下定义：
Figure BDA0002209040230000113
其中gn,t是工人n在任务t上的期望收益。该最终结果与基准答案不同，考虑进了工人的期望收益，使得富有经验(即具有更高准确率)的工人的评判将具有更高的价值，而不再是所有的工人一视同仁。这也使得发布者雇佣到表现不佳的工人时，不必担心会产生额外的与其水准不匹配的费用，或是得到效果不佳的最终结果。
可见，本发明的优点如下：
(1)符合激励相容原则，解决了群智社区内利益相关者的利益冲突。
(2)工人只有上报他们真实的把握程度，才能获得长远的酬金最高收益，因此可以有效防止工人的恶意攻击，并引导工人真实上报，提高质量。
(3)有助于合理利用发布者的酬金，使其得到更合理的任务最终结果。(4)有利于群智平台的任务延迟控制。(5)可吸引更多有经验的工人并增加其平台粘性，并逐渐淘汰表现不好的工人，有利于平台的长远发展。
基于上述描述，本发明实施方式还提出了协调群体智能平台冲突的装置。
图3为本发明协调群体智能平台冲突的装置的结构图。
如图3所示，协调群体智能平台冲突的装置，包括：
任务发布模块，用于发布者在群体智能平台上发布任务；
提交模块，用于每个工人分别提交针对所述发布任务的答案和所述答案的信念值；
奖惩模块，用于利用针对所述任务收到的所有已提交的答案集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
最终答案生成模块，用于基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
在一个实施方式中，所述任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure BDA0002209040230000121
Figure BDA0002209040230000122
其中St是针对所述任务收到的所有已提交的答案集合，yn,t代表工人n为所述任务提交的答案；sign为符号函数。
在一个实施方式中，奖惩模块，用于判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误；计算工人的工人等级值k，
Figure BDA0002209040230000123
其中approval rate是该工人所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure BDA0002209040230000124
其中x该工人提交的答案的信念值。
在一个实施方式中，最终答案生成模块，用于计算最终答案
Figure BDA0002209040230000125
Figure BDA0002209040230000126
其中n是工人编号；gn,t是工人n在任务t上的期望收益，其中：
Figure BDA0002209040230000127
需要说明的是，上述各流程和各结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如，一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式，或是采用专用的永久性电路，或是采用临时配置的电路(如由软件进行配置)来实现硬件模块，可以根据成本和时间上的考虑来决定。
本发明还提供了一种机器可读的存储介质，存储用于使一机器执行如本申请所述方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外，还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施方式中任一实施方式的功能。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机或云上下载程序代码。
在本文中，“示意性”表示“充当实例、例子或说明”，不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁，各图中的只示意性地表示出了与本发明相关部分，而并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”并不表示将本发明相关部分的数量限制为“仅此一个”，并且“一个”不表示排除本发明相关部分的数量“多于一个”的情形。在本文中，“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等仅用于表示相关部分之间的相对位置关系，而非限定这些相关部分的绝对位置。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，而并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方案或变更，如特征的组合、分割或重复，均应包含在本发明的保护范围之内。

Claims (10)

1.一种协调群体智能平台冲突的方法，其特征在于，包括：
发布者在群体智能平台上发布任务；
每个工人分别提交针对所述任务的答案和所述答案的信念值；
利用针对所述任务收到的所有已提交答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为该工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
2.根据权利要求1所述的协调群体智能平台冲突的方法，其特征在于，
所述任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure FDA0002209040220000011
Figure FDA0002209040220000012
其中St是针对所述任务收到的所有已提交答案的集合，yn,t为工人n为所述任务提交的答案；sign为符号函数。
3.根据权利要求2所述的协调群体智能平台冲突的方法，其特征在于，该方法包括：
判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误。
4.根据权利要求3所述的协调群体智能平台冲突的方法，其特征在于，还包括：
计算对应于该工人提交的答案的信念值的奖励值或惩罚值的步骤，具体包括：
计算工人的工人等级值k，
Figure FDA0002209040220000013
其中approval rate是该工人在历史上所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure FDA0002209040220000021
其中x该工人提交的答案的信念值。
5.根据权利要求4所述的协调群体智能平台冲突的方法，其特征在于，基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案包括：
计算最终答案
Figure FDA0002209040220000022
其中n是工人编号；gn,t是工人n在任务t上的期望收益，其中：
Figure FDA0002209040220000023
6.一种协调群体智能平台冲突的装置，其特征在于，包括：
任务发布模块，用于发布者在群体智能平台上发布任务；
提交模块，用于每个工人分别提交针对所述任务的答案和所述答案的信念值；
奖惩模块，用于利用针对所述任务收到的所有已提交答案的集合计算基准答案，基于基准答案判断每个工人提交的答案是否正确，其中当正确时，为该工人执行对应于该工人提交的答案的信念值的奖励值的奖励操作，当错误时，为工人执行对应于该工人提交的答案的信念值的惩罚值的惩罚操作；
最终答案生成模块，用于基于所有工人的期望收益和所有工人提交的答案确定所述任务的最终答案。
7.根据权利要求6所述的协调群体智能平台冲突的装置，其特征在于，
所述任务为二类型任务，所述任务的编号为t，所述任务的基准答案为
Figure FDA0002209040220000024
Figure FDA0002209040220000031
其中St是针对所述任务收到的所有已提交答案的集合，yn,t为工人n为所述任务提交的答案；sign为符号函数。
8.根据权利要求7所述的协调群体智能平台冲突的装置，其特征在于，
奖惩模块，用于判断每个工人提交的答案是否等于基准答案，若等于，则确定工人提交的答案正确，否则确定工人提交的答案错误；计算工人的工人等级值k，
Figure FDA0002209040220000032
其中approval rate是该工人在历史上所提交的答案的准确率；
计算奖励函数rk(x)或惩罚函数pk(x)；
Figure FDA0002209040220000033
其中x该工人提交的答案的信念值。
9.根据权利要求8所述的协调群体智能平台冲突的装置，其特征在于，
最终答案生成模块，用于计算最终答案
Figure FDA0002209040220000034
其中n是工人编号；gn,t是工人n在任务t上的期望收益；
其中
Figure FDA0002209040220000035
10.一种计算机存储介质，其特征在于，其上存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1-5任一项所述的方法步骤。
CN201910891995.8A 2019-09-20 2019-09-20 一种协调群体智能平台冲突的方法和装置 Pending CN112633616A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910891995.8A CN112633616A (zh) 2019-09-20 2019-09-20 一种协调群体智能平台冲突的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910891995.8A CN112633616A (zh) 2019-09-20 2019-09-20 一种协调群体智能平台冲突的方法和装置

Publications (1)

Publication Number Publication Date
CN112633616A true CN112633616A (zh) 2021-04-09

Family

ID=75282591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910891995.8A Pending CN112633616A (zh) 2019-09-20 2019-09-20 一种协调群体智能平台冲突的方法和装置

Country Status (1)

Country Link
CN (1) CN112633616A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657390A (zh) * 2013-11-22 2015-05-27 清华大学 一种问答平台实现方法和系统
US20150262313A1 (en) * 2014-03-12 2015-09-17 Microsoft Corporation Multiplicative incentive mechanisms
CN107609833A (zh) * 2017-07-12 2018-01-19 佛山科学技术学院 一种众包系统中基于检测问题的激励机制的实现方法
CN109784741A (zh) * 2019-01-23 2019-05-21 北京理工大学 一种基于信誉预测的移动群智感知系统奖励分发方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657390A (zh) * 2013-11-22 2015-05-27 清华大学 一种问答平台实现方法和系统
US20150262313A1 (en) * 2014-03-12 2015-09-17 Microsoft Corporation Multiplicative incentive mechanisms
CN107609833A (zh) * 2017-07-12 2018-01-19 佛山科学技术学院 一种众包系统中基于检测问题的激励机制的实现方法
CN109784741A (zh) * 2019-01-23 2019-05-21 北京理工大学 一种基于信誉预测的移动群智感知系统奖励分发方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JINLIANG XU等: "Reward or Penalty: Aligning Incentives of Stakeholders in Crowdsourcing", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 *
芮兰兰等: "一种面向众包的基于信誉值的激励机制", 《电子与信息学报》 *

Similar Documents

Publication Publication Date Title
US10147037B1 (en) Method and system for determining a level of popularity of submission content, prior to publicizing the submission content with a question and answer support system
GB2558062A (en) Collection strategies that facilitate arranging portions of documents into content collections
Venturini et al. Improvements in the representation of behavior in integrated energy and transport models
US20130317871A1 (en) Methods and apparatus for online sourcing
Hammond et al. Autonomy, accountability, and ambiguity in arm’s-length meta-governance: the case of NHS England
US20160162837A1 (en) Collaboration pattern creation by crowdsourcing participants
WO2011134048A1 (en) System, method and computer program for creation or collection of information using crowd sourcing combined with targeted incentives
Subramanian et al. Capturing value in platform business models that rely on user-generated content
Kavroudakis et al. Using spatial microsimulation to model social and spatial inequalities in educational attainment
Martínez-Plumed et al. Research community dynamics behind popular AI benchmarks
Strong Marketing and management models: a guide to understanding and using business models
Kokkodis et al. The utility of skills in online labor markets
Quijano et al. Towards sustainable and smart cities: Replicable and KPI-driven evaluation framework
CN109190028A (zh) 基于大数据的活动推荐方法、装置、电子设备及存储介质
US20180075765A1 (en) System and method for transmission of market-ready education curricula
Tang et al. Procurement-related critical factors for briefing in public-private partnership projects: Case of Hong Kong
Czvetkó et al. Regional development potentials of Industry 4.0: Open data indicators of the Industry 4.0+ model
CN111932414A (zh) 一种培训管理系统及方法、计算机存储介质、电子设备
Amendola et al. Does graduate human capital production increase local economic development? An instrumental variable approach
CN113011911A (zh) 基于人工智能的数据预测方法、装置、介质及电子设备
CN112633616A (zh) 一种协调群体智能平台冲突的方法和装置
Ivory et al. From contesting to conversing about resilience: kickstarting measurement in complex research environments
CN112418654A (zh) 一种资源分配方法、装置、电子设备及存储介质
Lion et al. The evaluation of a Complex Social Program: Lessons learned from the experience of the European Social Fund
Skala et al. Prospects of digital scientific publishing on blockchain: The concept of DAP

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210409

WD01 Invention patent application deemed withdrawn after publication