李增輝+張濤+肖青

【摘 要】通過(guò)構(gòu)建眾包任務(wù)發(fā)布點(diǎn)對(duì)會(huì)員注冊(cè)點(diǎn)的鄰域，將影響眾包定價(jià)的的因素，如參與者的范圍、數(shù)量以及任務(wù)場(chǎng)景等屬性，約簡(jiǎn)成眾包任務(wù)點(diǎn)關(guān)于其鄰域內(nèi)所有會(huì)員注冊(cè)點(diǎn)的平均距離的定價(jià)關(guān)系，進(jìn)而構(gòu)建BP神經(jīng)網(wǎng)絡(luò)尋找到不同環(huán)境下眾包任務(wù)點(diǎn)的最優(yōu)價(jià)格；然后綜合考慮會(huì)員的相關(guān)屬性，如信譽(yù)值，任務(wù)限額等進(jìn)行任務(wù)模擬分配，以完成在不同環(huán)境下對(duì)眾包任務(wù)的優(yōu)化配置。

【關(guān)鍵詞】眾包任務(wù)；神經(jīng)網(wǎng)絡(luò)；優(yōu)化設(shè)計(jì)；聚類分析

【Abstract】By building crowdsourced distributions to the neighborhoods of affiliate registration points， factors that affect crowdsourcing pricing such as the scope， number of participants and the nature of mission scenarios are reduced to inclusion in the Crowdpatch Mission All members in their neighborhood Registration point average distance of the pricing relationship， and then build the BP neural network to find the best price of crowdsourcing task points in different environments； and then consider the relevant attributes of members， such as the credibility of the value of tasks such as task simulation distribution to complete Optimization of Crowdsourcing Tasks in Different Environments.

【Key words】crowdsourcing task； neural network；optimal design；cluster analysis

引言

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)與商業(yè)模式的發(fā)展，各類空間眾包變得日益流行。眾包是在新興網(wǎng)絡(luò)環(huán)境下通過(guò)大量注冊(cè)會(huì)員的主動(dòng)參與和相互協(xié)作，完成特定的設(shè)計(jì)、生產(chǎn)或銷售等任務(wù)的新興的生產(chǎn)或商務(wù)模式。眾包任務(wù)優(yōu)化設(shè)計(jì)受到參與者的范圍、數(shù)量、任務(wù)限額等相關(guān)信息屬性的限制，如何基于特定眾包任務(wù)與能力多樣化的參與者，構(gòu)建眾包任務(wù)設(shè)計(jì)的優(yōu)化模型，揭示特定眾包任務(wù)與參與者之間潛在的優(yōu)化配置程度，提高眾包任務(wù)的配置效率，是當(dāng)前急需解決的關(guān)鍵問(wèn)題之一。

1.眾包任務(wù)定價(jià)的設(shè)計(jì)思路與方法

眾包任務(wù)及其相關(guān)注冊(cè)會(huì)員都具有范圍較廣、類型多樣的特征，以及任務(wù)場(chǎng)景的變換、參與者與任務(wù)的數(shù)量及類型等存在不確定性。眾包任務(wù)的定價(jià)受到以上諸多不確定因素的影響，本文首先構(gòu)建眾包任務(wù)發(fā)布點(diǎn)關(guān)于會(huì)員注冊(cè)點(diǎn)的空間屬性關(guān)系模型，再綜合考慮會(huì)員的相關(guān)屬性，以完成對(duì)不同環(huán)境下眾包任務(wù)優(yōu)化配置的研究。

1.1建立關(guān)聯(lián)距離

以某個(gè)任務(wù)發(fā)布點(diǎn)作為平面上的一點(diǎn)，建立會(huì)員注冊(cè)點(diǎn)與點(diǎn)歐式距離小于的鄰域，即。任務(wù)發(fā)布點(diǎn)與會(huì)員注冊(cè)點(diǎn)的位置一般為經(jīng)緯度，首先應(yīng)將發(fā)布點(diǎn)與會(huì)員注冊(cè)點(diǎn)的經(jīng)緯度關(guān)系轉(zhuǎn)化為兩點(diǎn)的歐式距離。記點(diǎn)的經(jīng)緯度為（LonA， LatA），點(diǎn)的經(jīng)緯度為（LonB， LatB），以0度經(jīng)線為基準(zhǔn)，東經(jīng)取經(jīng)度的正值，西經(jīng)取經(jīng)度的負(fù)值，北緯取90-緯度值，南緯取90+緯度值，將以上處理過(guò)后的兩點(diǎn)計(jì)為（MLonA， MLatA）和（MLonB， MLatB），可以得到計(jì)算兩點(diǎn)距離的計(jì)算公式：

記點(diǎn)的鄰域內(nèi)所包含的會(huì)員注冊(cè)點(diǎn)數(shù)為，記該領(lǐng)域內(nèi)所有會(huì)員注冊(cè)點(diǎn)到任務(wù)發(fā)布點(diǎn)的平均距離為關(guān)聯(lián)距離，即：

1.2 基于BP神經(jīng)網(wǎng)絡(luò)的定價(jià)優(yōu)化模型

BP神經(jīng)網(wǎng)絡(luò)是一種具有反向修正功能的神經(jīng)系統(tǒng)，具有非線性特性和學(xué)習(xí)能力，且已被證明具有逼近任意有界函數(shù)的能力。它有能力辨識(shí)那些不能線性化的非線性系統(tǒng)，不需要預(yù)先知道被測(cè)系統(tǒng)的模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有較強(qiáng)的自適應(yīng)能力、并行處理和高度魯棒性，采用BP神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的優(yōu)化系統(tǒng)將具有更強(qiáng)的實(shí)時(shí)性，更強(qiáng)的適應(yīng)能力和更強(qiáng)的魯棒性。

每個(gè)任務(wù)發(fā)布之后是不一定能過(guò)完成，任務(wù)點(diǎn)可分為任務(wù)完成點(diǎn)與任務(wù)未完成點(diǎn)，由上述1.1分析可知每個(gè)任務(wù)發(fā)布點(diǎn)都能求取與其對(duì)應(yīng)的關(guān)聯(lián)距離，每個(gè)任務(wù)發(fā)布點(diǎn)的價(jià)格是已知，由此可得到任務(wù)點(diǎn)的定價(jià)、關(guān)聯(lián)距離、完成或未完成三者的數(shù)據(jù)。將此數(shù)據(jù)作為神經(jīng)的網(wǎng)絡(luò)訓(xùn)練集與測(cè)試集，以構(gòu)建神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效果圖1所示：

任務(wù)未完成主要原因是定價(jià)不合理所導(dǎo)致。由圖1可知，當(dāng)訓(xùn)練輸出的結(jié)果越接近“1”時(shí)，其完成效果越好。基于此思想，將任務(wù)點(diǎn)的關(guān)聯(lián)距離，以及不斷調(diào)整的定價(jià)帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，以得到完成效果最優(yōu)的定價(jià)，即任務(wù)點(diǎn)的最優(yōu)定價(jià)，其程序流程圖如圖2所示。

2.眾包任務(wù)的優(yōu)化配置

眾包任務(wù)的優(yōu)化配置是分析了特定眾包任務(wù)與參與者之間的優(yōu)化配置程度后，如綜合考慮會(huì)員的信譽(yù)值，任務(wù)限額等相關(guān)屬性，進(jìn)行眾包任務(wù)模擬分配，以提高眾包任務(wù)配置效率。

2.1眾包任務(wù)

當(dāng)多個(gè)任務(wù)位置比較集中的，可將其聯(lián)合打包發(fā)布，即眾包任務(wù)。記打包后的眾包任務(wù)點(diǎn)為眾包點(diǎn)，眾包點(diǎn)中的任務(wù)稱為該眾包點(diǎn)的子任務(wù)。

聚類分析又稱群分析，是對(duì)多個(gè)樣本進(jìn)行定量分類的一種多元統(tǒng)計(jì)分析方法。本文采用的分類分析為Q型聚類分析，即將某個(gè)區(qū)域中隨機(jī)分布的任務(wù)發(fā)布點(diǎn)進(jìn)行聚類。記Q型聚類后得到個(gè)眾包任務(wù)點(diǎn)，記每個(gè)眾包任務(wù)點(diǎn)的子任務(wù)點(diǎn)數(shù)量為，當(dāng)時(shí)，此時(shí)眾包任務(wù)點(diǎn)中只有一個(gè)子任務(wù)，即打包點(diǎn)就是原任務(wù)點(diǎn)。

2.2眾包任務(wù)的分配

眾包點(diǎn)中的多個(gè)子任務(wù)的位置是比較集中，可將任意一子任務(wù)點(diǎn)的位置視為該眾包點(diǎn)的位置，故眾包點(diǎn)的關(guān)聯(lián)距離可轉(zhuǎn)化為上文所述關(guān)于單個(gè)任務(wù)點(diǎn)的關(guān)聯(lián)距離的求取，并進(jìn)一步得到眾包任務(wù)點(diǎn)的最優(yōu)定價(jià)。

事實(shí)上，會(huì)員的信譽(yù)值越高，越優(yōu)先開始挑選任務(wù)，將眾包點(diǎn)鄰域內(nèi)所有的會(huì)員注冊(cè)點(diǎn)按照信譽(yù)值的大小進(jìn)行降序排序，按照降序后的順序?qū)⒚總€(gè)會(huì)員注冊(cè)點(diǎn)的任務(wù)限額與眾包點(diǎn)的子任務(wù)數(shù)進(jìn)行比較，若任務(wù)限額大于子任務(wù)數(shù)，則將該任務(wù)點(diǎn)分配該會(huì)員，否則考慮下一個(gè)會(huì)員，依次類推。若比較領(lǐng)域內(nèi)所有的會(huì)員后仍然沒(méi)有找到滿足要求的會(huì)員，可調(diào)整聚類點(diǎn)數(shù)N或鄰域半徑的值，再次進(jìn)行上述過(guò)程。

參考文獻(xiàn)：

[1]孫信昕. 眾包環(huán)境下的任務(wù)分配技術(shù)研究[D].揚(yáng)州大學(xué)，2016.

[2]郭小強(qiáng). 基于迭代策略的眾包質(zhì)量研究[D]，鄭州大學(xué)；2015年.

[3]陳強(qiáng)， 大數(shù)據(jù)環(huán)境下企業(yè)競(jìng)爭(zhēng)情報(bào)的眾包模式研究[D]，武漢紡織大學(xué)，2015年.

[4]路凱，Kaggle. 眾包平臺(tái)的隸屬網(wǎng)絡(luò)模型構(gòu)建與特征分析[D]，大連理工大學(xué)，2015年.

[5]張亭亭. 基于成對(duì)關(guān)聯(lián)屬性空間的眾包任務(wù)優(yōu)化配置及其關(guān)鍵屬性選擇[D]，江蘇科技大學(xué)，2015年

[6]袁娜，楊鵬，劉作軍. 利用平均影響值和概率神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別[J]. 哈爾濱工程大學(xué)學(xué)報(bào)， 2015（2）.

作者簡(jiǎn)介：

李增輝（1997-），男，湖南邵陽(yáng)人，本科在讀，研究方向?yàn)闄C(jī)械電子工程。

張濤（1997-），男，重慶開州人，本科在讀，研究方向?yàn)闃蛄汗こ獭?/p>

肖青（1997-），女，重慶北碚人，本科在讀，研究方向?yàn)榻?jīng)濟(jì)學(xué)。endprint