李增輝+張濤+肖青

【摘 要】通過構(gòu)建眾包任務(wù)發(fā)布點對會員注冊點的鄰域，將影響眾包定價的的因素，如參與者的范圍、數(shù)量以及任務(wù)場景等屬性，約簡成眾包任務(wù)點關(guān)于其鄰域內(nèi)所有會員注冊點的平均距離的定價關(guān)系，進而構(gòu)建BP神經(jīng)網(wǎng)絡(luò)尋找到不同環(huán)境下眾包任務(wù)點的最優(yōu)價格；然后綜合考慮會員的相關(guān)屬性，如信譽值，任務(wù)限額等進行任務(wù)模擬分配，以完成在不同環(huán)境下對眾包任務(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；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)境下通過大量注冊會員的主動參與和相互協(xié)作，完成特定的設(shè)計、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)鍵問題之一。

1.眾包任務(wù)定價的設(shè)計思路與方法

眾包任務(wù)及其相關(guān)注冊會員都具有范圍較廣、類型多樣的特征，以及任務(wù)場景的變換、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)布點關(guān)于會員注冊點的空間屬性關(guān)系模型，再綜合考慮會員的相關(guān)屬性，以完成對不同環(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

以某個任務(wù)發(fā)布點作為平面上的一點，建立會員注冊點與點歐式距離小于的鄰域，即。任務(wù)發(fā)布點與會員注冊點的位置一般為經(jīng)緯度，首先應(yīng)將發(fā)布點與會員注冊點的經(jīng)緯度關(guān)系轉(zhuǎn)化為兩點的歐式距離。記點的經(jīng)緯度為（LonA， LatA），點的經(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，將以上處理過后的兩點計為（MLonA， MLatA）和（MLonB， MLatB），可以得到計算兩點距離的計算公式：

記點的鄰域內(nèi)所包含的會員注冊點數(shù)為，記該領(lǐng)域內(nèi)所有會員注冊點到任務(wù)發(fā)布點的平均距離為關(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。它有能力辨識那些不能線性化的非線性系統(tǒng)，不需要預(yù)先知道被測系統(tǒng)的模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有較強的自適應(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)計的優(yōu)化系統(tǒng)將具有更強的實時性，更強的適應(yīng)能力和更強的魯棒性。

每個任務(wù)發(fā)布之后是不一定能過完成，任務(wù)點可分為任務(wù)完成點與任務(wù)未完成點，由上述1.1分析可知每個任務(wù)發(fā)布點都能求取與其對應(yīng)的關(guān)聯(lián)距離，每個任務(wù)發(fā)布點的價格是已知，由此可得到任務(wù)點的定價、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，其完成效果越好?；诖怂枷?，將任務(wù)點的關(guān)聯(lián)距離，以及不斷調(diào)整的定價帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，以得到完成效果最優(yōu)的定價，即任務(wù)點的最優(yōu)定價，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，如綜合考慮會員的信譽值，任務(wù)限額等相關(guān)屬性，進行眾包任務(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)點為眾包點，眾包點中的任務(wù)稱為該眾包點的子任務(wù)。

聚類分析又稱群分析，是對多個樣本進行定量分類的一種多元統(tǒng)計分析方法。本文采用的分類分析為Q型聚類分析，即將某個區(qū)域中隨機分布的任務(wù)發(fā)布點進行聚類。記Q型聚類后得到個眾包任務(wù)點，記每個眾包任務(wù)點的子任務(wù)點數(shù)量為，當(dāng)時，此時眾包任務(wù)點中只有一個子任務(wù)，即打包點就是原任務(wù)點。

2.2眾包任務(wù)的分配

眾包點中的多個子任務(wù)的位置是比較集中，可將任意一子任務(wù)點的位置視為該眾包點的位置，故眾包點的關(guān)聯(lián)距離可轉(zhuǎn)化為上文所述關(guān)于單個任務(wù)點的關(guān)聯(lián)距離的求取，并進一步得到眾包任務(wù)點的最優(yōu)定價。

事實上，會員的信譽值越高，越優(yōu)先開始挑選任務(wù)，將眾包點鄰域內(nèi)所有的會員注冊點按照信譽值的大小進行降序排序，按照降序后的順序?qū)⒚總€會員注冊點的任務(wù)限額與眾包點的子任務(wù)數(shù)進行比較，若任務(wù)限額大于子任務(wù)數(shù)，則將該任務(wù)點分配該會員，否則考慮下一個會員，依次類推。若比較領(lǐng)域內(nèi)所有的會員后仍然沒有找到滿足要求的會員，可調(diào)整聚類點數(shù)N或鄰域半徑的值，再次進行上述過程。

參考文獻：

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

[2]郭小強. 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， 大數(shù)據(jù)環(huán)境下企業(yè)競爭情報的眾包模式研究[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)識別[J]. 哈爾濱工程大學(xué)學(xué)報， 2015（2）.

作者簡介：

李增輝（1997-），男，湖南邵陽人，本科在讀，研究方向為機械電子工程。

張濤（1997-），男，重慶開州人，本科在讀，研究方向為橋梁工程。

肖青（1997-），女，重慶北碚人，本科在讀，研究方向為經(jīng)濟學(xué)。endprint