时空众包下复合选择的长期激励算法

• 作者: 张琦 王莹洁
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 时空众包 激励机制 长期激励 用户兴趣 最大平均参与度
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 128-134
• 页数: 7页
• 分类号: TP39
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2021.548

摘要

采用长期激励模型应对时空众包下的工人激励问题,提出一种基于博弈论的长期激励算法(multi-stage compound selec-tion,MSCS).工人的激励模型考虑用户对任务的兴趣、任务奖励和对长期参与的参与度3部分内容,利用激励模型对工人进行长期激励.通过计算用户参与众包过程的最佳次数,制定对用户的个性化激励策略.采用用户的数量和最大平均参与度与其他长期激励算法以及基线算法进行对比分析.试验结果证明,MSCS算法在相同预算下能够激励更多的用户参与众包过程,在预算不足的情况下也能吸引用户更长时间的参与众包过程.MSCS算法具有更好的长期激励效果.