CN114862585A - 基于契约的众包激励方法、系统、设备和存储介质 - Google Patents
基于契约的众包激励方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN114862585A CN114862585A CN202210551916.0A CN202210551916A CN114862585A CN 114862585 A CN114862585 A CN 114862585A CN 202210551916 A CN202210551916 A CN 202210551916A CN 114862585 A CN114862585 A CN 114862585A
- Authority
- CN
- China
- Prior art keywords
- task
- reputation
- workers
- worker
- crowdsourcing
- 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
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于契约的众包激励方法、系统、设备和存储介质。该方法包括:根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布众包任务的要求和合同;根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,并通过属性筛选后的工人进行声誉计算;经过属性匹配和声誉计算后,并选择候选工人参与众包任务;完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。本实施例能够基于契约理论的激励方案可以吸引到高声誉的工人,能够高质量地完成众包任务,并最大化任务发布者的利润,优化了工人的效益。
Description
技术领域
本申请涉及管理领域,特别是涉及一种基于契约的众包激励方法、系统、设备和存储介质。
背景技术
随着云计算和共享经济的快速发展,众包在为人类提供智能高效服务方面引起了广泛的兴趣和采用。现有的大多数工作都集中在有效的众包任务分配和隐私保护上,大多依赖于中央服务器,并假设参与者诚实、好奇和积极主动。但现实中,工人可能不愿意参与,且参与者之间可能存在恶意行为,从而损害其他参与者的积极性和利益。中央服务器也存在单点故障等弱点。
此外,目前对于众包的管理过程中,工人完成任务后,任务发布者需要支付报酬,报酬的支付应该根据工人为完成任务所付出的努力而定。但是这其中存在一些信息不对称的问题:1)任务发布者由于缺乏经验(先验知识),不知道那些工人愿意参与到众包任务中来,2)任务发布者事先不知道工人的声誉和能力,3)任务发布者不知道工人为了完成任务所愿意付出的最大努力(或本地可调用的最大资源值)。在这种情况下,任务发布者可能为了提供工人报酬而承担了过高的成本。如何进一步提高众包分配中工人的工作积极性和协调众包中工资和工作效率的问题,需要进一步的技术探索。
发明内容
基于此,有必要针对上述技术问题,提供一种基于契约的众包激励方法、系统、设备和存储介质。
第一方面,本发明实施例提供了一种基于契约的众包激励方法,该方法包括:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
进一步的,所述根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算,包括:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
进一步的,所述根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算,还包括:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
进一步的,所述完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制,包括:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
另一方面,本发明实施例还提供了一种基于深度学习的检修识别系统,包括:
众包任务模块,用于根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
综合声誉模块,用于根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
众包任务参与模块,经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
众包激励模块,用于完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
进一步的,所述综合声誉模块包括声誉计算单元,所述声誉计算单元用于:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
进一步的,所述综合声誉模块包括声誉模型优化单元,所述声誉模型优化单元用于:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
进一步的,所述众包激励模块包括利润计算单元,所述利润计算单元用于:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
上述基于契约的众包激励方法、系统、设备和存储介质,该方法包括:根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。通过设计了基于契约理论的不同的激励机制,激励高质量、高声誉、高能力的工人参与众包。本实施例能够基于契约理论的激励方案可以吸引到高声誉的工人,能够高质量地完成众包任务,并最大化任务发布者的利润,优化了工人的效益。
附图说明
图1为一个实施例中基于契约的众包激励方法的流程示意图;
图2为一个实施例中对工人的声誉的确定流程示意图;
图3为一个实施例中对声誉计算模型进行优化的流程示意图;
图4为一个实施例中设计基于契约理论的激励机制的流程示意图;
图5为一个实施例中基于契约的众包激励系统的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明实施例提出了一个基于区块链的具有声誉和激励机制的众包框架。首先设计一个工人选择方案来选择可信、有能力的工人。将声誉作为衡量员工可信度的指标,基于改进后的主观逻辑模型来计算。然后利用契约理论设计激励机制,吸引更多的工人,特别是高素质的工人参与。
在一个实施例中,如图1所示,提供了一种基于契约的众包激励方法,所述方法包括:
步骤101,根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
步骤102,根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
步骤103,经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
步骤104,完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
具体地,本实施例提出了一个基干工人属性和声誉为基础的工人选择方案,来选择可靠的工人。用区块链保证声誉管理的高效性和安全性。通过改进后的多权重主观逻辑模型,根据直接的交互历史和间接的推荐意见来计算工人的声誉。为了鼓励更多工人更好地完成众包任务,针对新老工人的不同特征,实施例设计了基于契约理论的不同的激励机制,激励高质量、高声誉、高能力的工人参与众包。结果表明,基于契约理论的激励方案可以吸引到高声誉的工人,能够高质量地完成众包任务,并最大化任务发布者的利润,优化了工人的效益。本实施例提出的方法能够检测和阻止恶意参与者,并鼓励更多的工人积极、诚实、持续地参与众包。此外,与传统方法相比,它提高了任务发布者的效益,并使工人对他们的收入感到满意。因此任务发布者应该设计一个有效的激励机制,既能提高自己的利润,又能提高工人参与众包任务的积极性,让能力更强、贡献更多的工人得到更多的奖励。
在一个实施例中,如图2所示,对工人的声誉的确定包括以下步骤:
步骤201,任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
步骤202,每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
步骤203,声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
具体地,每个任务发布者将众包任务的要求和合同发布在应用层上。感兴趣并认为自己符合要求的工人则可以申请参加该众包任务,并向任务发布者返回响应。匹配任务要求和工人属性:根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人们,如果符合要求的工人人数众多,则适当提高选择标准。此时如果考虑隐私保护,则任务发布者仅在应用层上发布任务类别,并提交加密后的任务要求。工人根据任务类别进行响应,并提交加密后的自身兴趣。加密后的任务匹配可以采用已有的较成熟的方案,适当修改后就可以用智能合约实现。计算选工人声誉:对通过属性筛选后的工人进行声誉计算。任务发布者根据1)自身与工人的交互历史产生的本地声誉意见和2)其他任务发布者的推荐声誉意见,通过改进后的多权重主观逻辑模型计算候选工人的声誉。每个任务发布者通过结合本地的声誉意见和来自其他任务发布者的声誉意见成一个综合声誉,并以此来进行工人的选择。声誉意见的存储和管理都在联盟区块链上。对于每个候选工人,都可以从数据块上找到他的声誉意见。
在一个实施例中,如图3所示,对声誉计算模型进行优化包括以下步骤:
步骤301,基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
步骤302,根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
步骤303,根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
具体地,主观逻辑被用来评估交易的可信度,且已经被广泛应用,它是基于过去的互动和推荐,形成个人的声誉评价。根据主观逻辑模型,可以给出信任值、不信任值和不确定值的计算公式。工作者和任务发布者之间交易的性质会影响工作者的声誉。正向交易可以提高工作者的声誉,反之亦然。当恶意交易影响不足时,无法有效鼓励节点进行诚实交易。因此,为了扩大恶意交易的影响,本实施例根据交易的性质进行优化,由此达到当工人持续进行正向交易时,其声誉缓慢升高,但一日出现负向交易时,工人声誉急速下降的效果。工作者的可信度也会随着时间的推移而变化,在任务发布者和工作者交互的过程中,工作者可能并不总是值得信任和可靠的。也许会有些恶意工人进行多次正向交易来将自己伪装成诚信工人,然后再突然进行负向交易。因此工作者历史的交易行为也会影响声誉的计算。但是,随着时间的推移,历史久远的交易的影响权重应逐渐变小,而最近的互动交易的影响则最大。为了反映时间对声誉的影响,可以通过定义一个衰减度函数来表示交易的时效性。对于交易的可信度而言,在推荐的意见计算过程中,众包中存在众多任务发布者和工人,他们彼此间不一定都曾有过交互。对某个具体的工作者i进行声誉意见表示的时候,可以结合与该工作者i交互过的任务发布者对他的声誉意见来代表其他任务发布者对该工作者i的推荐意见。每个任务发布者的意见的可信度取决于任务发布者之间的信任程度。任务发布者之间的信任是根据他们对相同工人的声誉意见来计算的。通过任务发布者i对任务发布者k的信任程度的表示,将其初始值设为1。当他们对相同工作者有比较一致的声誉意见时,信任值线性增加;否则,信任度急剧下降。最后,根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
在一个实施例中,如图4所示,通过工作者模型和任务发布者的利润模型设计基于契约理论的激励机制包括:
步骤401,根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
步骤402,根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
步骤403,基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
步骤404,根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
具体地,为了更好地完成众包任务,在本实施例中,我们基于契约理论设计了激励机制,鼓励高能力、高声誉的工人参与。工人完成任务后,任务发布者需要支付报酬,报酬的支付应该根据工人为完成任务所付出的努力而定。但是这其中存在一些信息不对称的问题:1)任务发布者由于缺乏经验(先验知识),不知道那些工人愿意参与到众包任务中来,2)任务发布者事先不知道工人的声誉和能力,3)任务发布者不知道工人为了完成任务所愿意付出的最大努力(或本地可调用的最大资源值)。在这种情况下,任务发布者可能为了提供工人报酬而承担了过高的成本。此外任务发布者应该设计一个有效的激励机制,既能提高自己的利润,又能提高工人参与众包任务的积极性,让能力更强、贡献更多的工人得到更多的奖励。因此,我们采用契约理论来设计一种高效的激励机制。首先,在众包过程中,不断有工人加入进来。我们可以根据员工的能力将其分为N种类型,并按照升序进行排序:0<…<0n<…<0Nn{1…N}。N越大,代表工人能力越强,能够更好地完成众包任务。尽管任务发布者并不能确切的知道哪个工人是属干哪种类型,但它可以根据观察和统计工人以前的行为来获得工人类型的概率分布。
对于工人而言,这些工人包括尚无任何工作历史的新工人,即声誉值为初始值。也包括已有一些工作经验和声誉记录的老工人。对任务发布者来说,相比于新工人来说,老工人的可信度更高,但薪酬更高。我们认为积累了一定的工作历史和声誉的员工可以从新员工转变为老员工。任务发布者既希望能保证任务的完成质量,又希望能够最大化自己的利益。为了鼓励新工人积极加入到众包中的同时,又不打击老工人的积极性,确保老工人能持续参与众包任务,我们针对新老工人设计不同的激励机制。新工人没有任何的工作经验和工作历史,他们也不确定自己是哪种类型的工人,并且也不知道在接受了任务后,究竟能付出多大的努力完成好任务。而新工人愿意付出多大的努力完全是由新工人自己决定的,任务发布者无从知晓,因此此时的激励问题是道德风险问题。而老工人已经有了工作经验,他们知道自己有多少资源可以调配,也知道自己是属于哪种类型的员工;但是任务发布者只知道有多少种类型的工人,以及每种类型的工人大概的概率,并不知道具体的某个老员工是属干哪个类型的,则此时的激励问题是道向选择问题。
我们可以将一个众包任务看作是由一个任务发布者和一堆工作者参与的垄断市场。每个感兴趣且有一定能力的工人都可以申请参与众包任务。每个工人有自己的属性值,对应众包任务中的要求。不同的任务有不同的要求,工人自身能调动的资源也不同(如送快递,可以用自行车、电瓶车、卡车等),我们将工人n可以调动的自身资源表示为f。由此,我们可以假设工人完成一个众包任务的单位时间成本进行模型表示。此外,成本函数的确切形式可以在应用于不同场景时调整为不同的形式。对于工人来说,他们会倾向于选择自己更擅长的任务,这样可以比较高效且轻松地完成任务并获得报酬。也就是工人会选择跟自己能力适配度比较高的任务,这对于任务发布者来说也是一件好事。适配度对应着系统流程第二步中所描述的任务匹配,虽然候选工人都通过了属性的筛选阈值,但每个工人的适配度依旧不同。我们可以用“来代表工人和任务的适配度,适配度越高时,工人能够越快、越高质量地完成任务。对于一个众包任务,首先工人需要通过app查看任务大致类别,然后决定是否响应任务,如果响应则再完成该任务。有些任务本身就十分耗时(监控某段时间内的交通情况),有些任务的完成时长则跟工人能力有关(制作海报、ppt等)。因此需要引入一个任务耗时系数来表示任务时长。如果一个工人目前空闲,或者他目前很迫切地想得到一个众包任务,则工人会积极按索发布出来的任务。一个工人可能会同时提交多个任务申请,也会收到多个任务确认,工人只能选其一或其中几个,工人越快做出决定。
为了吸引更多高能力的工人,我们定义了一个关于适配度的参数作为工人的类型,由于信息的不对称,任务发布者需要针对不同类型的工人设计不同的合同来增加自己的利润。则任务发布者可以根据工人的类型和工人完成任务时本地所消耗的资源来向工人支付不同的报酬。工人调用的本地资源越多,任务完成的越快、质量越高,从而给工人带来更高的回报,工人根据自己的情况选择并签署一份合同,完成申请到的众包任务。如果工人不能很好的完成任务或者发生恶意行为,则任务发布者会记录该负面交易到声誉中,且不会支付工人任何报酬。因此,设计基于工作者模型和任务发布者的利润模型的契约理论的激励机制。在契约理论中,在信息不对称的情况下,要使合同可行,每个合同必须满足以下约束:i)个体理性(IR)和ii)激励兼容性(IC),以确保每一类员工都被充分激励。其中,个体理性Individualrationality(IR),表示每个工人只在其利润不小于零的情况下才参与众包任务。激励相容Incentivecompatibility(IC)。表示为了效用最大化,每个工人只会选择最适合自己的合同。
首先我们针对新工作者来设计最优合同,新工人的激励问题是道德风险问题。为了获得更多的收益,新工人往往选择最高效的努力方式,也就是以尽可能低的成本(少的资源)的同时,顺利完成任务。而此时的任务发布者并不知道实际上工人为了完成任务所付出的努力。老工人的激励问题是逆向选择问题。每个工人的类型只有他们自己知道,而任务发布者为了让自己的利益最大化,会针对不同类型的工人设计多个级别的合约。不同级别的合约所要求付出的成本和给予的报酬是不同的,工人可以自己进行选择。接下去我们从任务发布者设计合约的角度,讨论任务发布者和工人的能获得的最大利润。因此,通过契约理论的激励机制分别设计新工作者的最优合同和有工作经验的最优合同。通过两份合同达到激励的最佳分配。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于契约的众包激励系统,包括:
众包任务模块501,用于根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
综合声誉模块502,用于根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
众包任务参与模块503,经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
众包激励模块504,用于完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
在一个实施例中,所述综合声誉模块502包括声誉计算单元,所述声誉计算单元用于:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
在一个实施例中,所述综合声誉模块502包括声誉模型优化单元,所述声誉模型优化单元用于:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
在一个实施例中,所述众包激励模块504包括利润计算单元,所述利润计算单元用于:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
关于基于契约的众包激励系统的具体限定可以参见上文中对于基于契约的众包激励方法的限定,在此不再赘述。上述基于契约的众包激励系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图6示出了一个实施例中计算机设备的内部结构图。如图6所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现基于契约的众包激励方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行基于契约的众包激励方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于契约的众包激励方法,其特征在于,所述方法包括:
根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
2.根据权利要求1所述的基于契约的众包激励方法,其特征在于,所述根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算,包括:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
3.根据权利要求1所述的基于契约的众包激励方法,其特征在于,所述根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算,还包括:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
4.根据权利要求1所述的基于契约的众包激励方法,其特征在于,所述完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制,包括:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
5.一种基于契约的众包激励系统,其特征在于,包括:
众包任务模块,用于根据任务发布者发布的众包任务难度和为众包调动的资源设计契约项,发布所述众包任务的要求和合同,并获取工人对所述众包任务的响应;
综合声誉模块,用于根据任务发布者给出的任务要求和工人提交的工人属性进行匹配,挑选出符合要求的工人,并通过属性筛选后的工人进行声誉计算;
众包任务参与模块,经过属性匹配和声誉计算后,选择属性匹配和声誉均大于阈值的工人作为候选者,并选择候选工人参与众包任务;
众包激励模块,用于完成众包任务后,任务发布者根据交互历史更新参与任务的工人声誉意见,将所述声誉意见上传到声誉区块链,并通过所述声誉意见设计基于契约理论的激励机制。
6.根据权利要求5所述的基于契约的众包激励系统,其特征在于,所述综合声誉模块包括声誉计算单元,所述声誉计算单元用于:
任务发布者根据与工人的交互历史产生的本地声誉意见和第三方任务发布者的推荐声誉意见,通过多权重主观逻辑模型计算候选工人的声誉;
每个任务发布者通过结合本地的声誉意见和来自第三方任务发布者的声誉意见成一个综合声誉,并以所述综合声誉来进行工人的选择;
声誉意见的存储和管理在联盟区块链上,对于每个候选工人,通过从所述联盟区块链上找到每个候选工人的声誉意见。
7.根据权利要求5所述的基于契约的众包激励系统,其特征在于,所述综合声誉模块包括声誉模型优化单元,所述声誉模型优化单元用于:
基于历史上众包任务的互动和推荐,形成工人的声誉评价,通过主观逻辑来评估交易的可信度,所述主观逻辑通过主观逻辑模型进行表示;
根据所述主观逻辑模型,得到包括信任值、不信任值和不确定值的主观逻辑下的声誉计算模型;
根据工人和任务发布者之间交易的性质和时效,以及工人历史交易形成的交易可信度对所述声誉计算模型进行优化。
8.根据权利要求5所述的基于契约的众包激励系统,其特征在于,所述众包激励模块包括利润计算单元,所述利润计算单元用于:
根据工人可以调动的自身资源,获取工人完成一个众包任务的单位时间成本,并获取工人和任务的适配度和任务耗时系数,得到工作者模型;
根据所述工作者模型和任务发布者的利润关系,定义任务发布者在任务实现的情况下实现利润最大化任务发布者的利润模型;
基于所述工作者模型,任务发布者根据工人的类型以及工人完成任务时所消耗的资源向工人支付不同的报酬,得到工人的利润函数;
根据所述任务发布者的利润模型和工人的利润函数,在满足个体理性和激励兼容性的约束下,获取基于契约理论的激励机制。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551916.0A CN114862585A (zh) | 2022-05-20 | 2022-05-20 | 基于契约的众包激励方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551916.0A CN114862585A (zh) | 2022-05-20 | 2022-05-20 | 基于契约的众包激励方法、系统、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862585A true CN114862585A (zh) | 2022-08-05 |
Family
ID=82640150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210551916.0A Pending CN114862585A (zh) | 2022-05-20 | 2022-05-20 | 基于契约的众包激励方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862585A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600219A (zh) * | 2022-12-15 | 2023-01-13 | 湖南工商大学(Cn) | 候选任务工作者声誉值的确定方法 |
-
2022
- 2022-05-20 CN CN202210551916.0A patent/CN114862585A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600219A (zh) * | 2022-12-15 | 2023-01-13 | 湖南工商大学(Cn) | 候选任务工作者声誉值的确定方法 |
CN115600219B (zh) * | 2022-12-15 | 2023-03-14 | 湖南工商大学 | 候选任务工作者声誉值的确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tong et al. | Spatial crowdsourcing: a survey | |
Zhan et al. | Free market of multi-leader multi-follower mobile crowdsensing: An incentive mechanism design by deep reinforcement learning | |
Yang et al. | On designing data quality-aware truth estimation and surplus sharing method for mobile crowdsensing | |
Gao et al. | Online quality-aware incentive mechanism for mobile crowd sensing with extra bonus | |
Thomas et al. | Modelling and assessment of critical risks in BOT road projects | |
Wang et al. | QuaCentive: a quality-aware incentive mechanism in mobile crowdsourced sensing (MCS) | |
WO2013052500A1 (en) | Incentive optimization for social media marketing campaigns | |
Xu et al. | Incentive mechanism for spatial crowdsourcing with unknown social-aware workers: A three-stage stackelberg game approach | |
Huang et al. | Antecedents and consequences of co-opetition strategies in small and medium-sized accounting agencies | |
Sorce et al. | Extended Technology Acceptance Model (TAM) for adoption of Information and Communications Technology (ICT) in the US Construction Industry. | |
Li et al. | QUAC: Quality-aware contract-based incentive mechanisms for crowdsensing | |
Muldoon et al. | A survey of incentive engineering for crowdsourcing | |
Chica et al. | Identimod: Modeling and managing brand value using soft computing | |
Tang et al. | Credit and quality intelligent learning based multi-armed bandit scheme for unknown worker selection in multimedia MCS | |
Xia et al. | Two-stage game design of payoff decision-making scheme for crowdsourcing dilemmas | |
Qian et al. | Mechanism design of incentive-based reverse auctions with loss-averse 3PLs under incomplete attributes | |
CN114862585A (zh) | 基于契约的众包激励方法、系统、设备和存储介质 | |
Zhang et al. | Online auction-based incentive mechanism design for horizontal federated learning with budget constraint | |
Yadav et al. | An efficient trust management using feedback credibility evaluation method in fog computing | |
Zhao et al. | Multiple cooperative task assignment on reliability-oriented social crowdsourcing | |
Shi et al. | New task oriented recommendation method based on hungarian algorithm in crowdsourcing platform | |
Sahu et al. | Supply chain performance appraisement, benchmarking and decision-making: empirical study using grey theory and grey-MOORA | |
US20140344020A1 (en) | Competitor pricing strategy determination | |
Shi et al. | Best of both worlds: mitigating imbalance of crowd worker strategic choices without a budget | |
Bajaj et al. | SAAS: Integrating systems analysis with accounting and strategy for ex ante evaluation of IS investments |
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 |