一种基于移动群智感知的激励机制实现方法

一种基于移动群智感知的激励机制实现方法
【技术领域】
[0001] 本发明设及群智感知技术领域，具体是一种基于移动群智感知的激励机制实现方 法。
【背景技术】
[0002] 移动群智感知是基于群体感知的一种普适计算感知模式。由静态感知（例如为监 测环境在城市内大规模部署的传感器）、个体感知逐渐发展而来。移动群智感知通过大量持 有移动感知设备（智能手机、平板电脑）的群体人员组织起来，W某种方式使他们之间进行 协作来共同完成个体很难完成的任务。基于移动群智感知技术研究人员提出并实现了很多 具有现实价值的应用，比如采集各地噪音的系统应用、监测路况的系统应用等。该些应用的 出现，给用户提供了更加丰富的情景感知信息与智能化的普适服务，提高了人们的生活质 量。
[0003] 当今信息社会，随着社会媒体化，人们更愿意在各种社交应用上利用智能手机感 知周围上下文信息，并上传该些多媒体信息与他人分享。社交网络上分享的感知数据基于 用户的兴趣、个人意愿等因素，然而，大部分的群智感知应用需要大量用户协作共同完成感 知任务，分享感知信息，该种非兴趣驱动的感知行为降低了用户上传特定数据的积极性。另 夕F，电量消耗、流量消耗等也是阻碍用户采集数据的客观因素。较小的源感知用户群体会影 响群智感知应用的现实可用性。因此，研究者需要向用户提供一定的报酬W激励用户的参 与。
[0004] 基于群智感知系统的激励机制是一个新兴的研究课题，具有很大的研究价值和应 用价值。专利CN20141038385提出了一种基于信誉的智能手机群众外包的激励方法，该方 法识别手机身份，并给相应手机用户存储向量信誉和服务等级，根据该信誉和等级向用户 支付报酬；专利CN104168563A提出了一种基于本地信誉存储的k-匿名激励机制，将每个节 点的信誉W信誉证书的形式保存在本地，通过为邻居节点提供匿名服务获得信誉并不断累 积，该激励机制中节点只有达到一定的信誉阔值才能获得匿名服务；专利CN104363268A提 出的基于支付激励机制的安全去重系统提出了一种安全并公平的方案来激励云用户积极 参与数据去重，根据数据去重的目标，激励机制是被设计用来促进用户参与数据去重并保 证积极用户和不积极用户之间价格的公平性；专利CN104320484A提出了一种基于积分激 励机制的无线传感器网络中任务迁移方法，传感网络中的簇内节点执行簇头节点分配的任 务，如果成功完成任务，获取奖励积分，如果未成功完成任务，扣除惩罚积分的方法提高任 务的处理效率延长网络寿命。
[0005] 现有的激励机制方案只是从积分、信誉等方面进行考虑，而忽略了节点的本身特 性，从节点（或用户）特性方面分析并不全面。另一方面，有关任务的激励机制中，已有专 利中没有个性化定义任务，从而也丢失了激励中有关任务的相关信息。为了充分利用节点 (或用户）和任务的特性或上下文信息，更好的刻画任务属性，本发明对任务做了个性化定 义，并分析了节点（用户）特性，利用该些信息提出了一种激励机制实现方法。

【发明内容】

[0006] 本发明的目的在于提供一种基于移动群智感知的激励机制实现方法，综合利用用 户的特性信息与任务上下文信息，激励用户参与任务，提高用户的参与积极性。
[0007] 为实现上述目的，本发明提供如下技术方案：
[000引一种基于移动群智感知的激励机制实现方法，具体步骤如下：
[0009] S1、根据专家经验确定系统参数；
[0010] S2、所有需要数据服务或提供数据服务的用户在系统中进行注册；
[0011] S3、将注册的用户和其在社交网站上的信息进行关联；
[0012] S4、需要数据服务的用户作为任务需求者，需要通过系统发布任务，并根据任务的 上下文信息定义任务；
[0013] S5、任务需求者将任务描述发送至系统服务器，系统服务器根据任务的上下文信 息来确定任务的价值；
[0014] S6、任务需求者将带有价值信息的任务通过系统发布，其他用户能够通过系统查 看所有任务；
[0015] S7、系统综合考虑任务的上下文信息和在系统中注册的用户的社交网站历史签到 信息，为任务选择合适的执行任务的用户集合；
[0016] S8、系统向选择的用户集合推送任务信息，该用户集合中的用户根据自己的意愿 决定接受任务还是拒绝任务，从而确定最终的工作者集合；
[0017] S9、确定执行任务的工作者后，工作者在规定的时间地点按照任务描述采集数据， 执行任务；
[0018] S10、工作者在任务的截止时间之前提交任务数据；
[0019] S11、根据工作者提交的任务数据的属性信息，系统利用非监督决策树方法进行聚 类，在每个类别中选出一个任务数据组成有用数据集，该有用数据集作为最终的数据结果 呈现给任务需求者；
[0020] W图片为例，系统根据图片的时间、地点、拍摄角度等信息利用决策树将图片进行 非监督聚类，接着利用SIFT算法在每个类别中进行去冗余操作，即在每个类别中选出一张 代表性的图片，每个类别中的图片组成有用数据集，该有用数据集作为最终的数据结果呈 现给任务需求者；
[0021] S12、根据步骤S11的选择结果，系统根据数据效用分配报酬。
[0022] 作为本发明进一步的方案；所述社交网站包括基于位置的社交网络LBSN，例如街 旁、Foursquare等。
[0023] 作为本发明进一步的方案；所述任务的上下文信息包括任务的时空特性，所述任 务的时空特性为采集数据的时间和地点信息。
[0024] 与现有技术相比，本发明的有益效果是；本发明提出了一种基于移动群智感知的 激励机制一一基于位置的社交网络LBSN被用于定义任务预算、提高数据质量、多支付等方 面，不仅向系统中的任务需求者提供了可参考的任务价值，还提出一种基于效用的多支付 激励机制方案W保持数据多样性W及激励公平性。本发明综合利用用户的特性信息与任务 上下文信息，激励用户参与任务，提高用户的参与积极性。
【附图说明】
[0025] 图1是本发明的整体框架图；
[0026] 图2是本发明的方法流程图；
[0027] 图3是本发明选择有用数据的方法解析图。
【具体实施方式】
[002引下面将结合本发明实施例及附图，对本发明实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本 发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例，都属于本发明保护的范围。
[0029] 请参阅图1~3,本发明实施例中，一种基于移动群智感知的激励机制实现方法， 具体过程如下：
[0030] 步骤1、确定任务模型，并发布任务。
[0031] 每个任务由多个属性描述，任务需求者按照规定的任务模型定义任务并通过群智 感知系统向外界发布任务，并希望通过系统找到合适的工作者采集数据，获取数据服务。
[0032] 步骤2、确定任务价值。
[0033] 由于任务预算会影响任务的完成率，然而由于任务发布者对采集地不熟悉，因此 根据任务时空特征客观计算出的任务价值向发布者提供指导。任务 花销根据数据采集时间 地点的不同而变化，但是现有的研究并没有考虑预算的动态性。本发明提出的模型向发布 者提供了任务价值的客观信息。
[0034] 本发明定义在任务的采集地点和感知时间人们签到频率很高，即任务的采集地点 和时间有较高的受欢迎度，那么该任务相对较容易完成，从而向发布者建议较低的任务价 值，相反亦如此。
[0035] 步骤3、根据任务需求选择工作者。
[0036] 用户主要活跃在两部分：线上社交网络和线下物理世界。因此，为了保护用户隐 私，本发明提出结合用户的线上基于位置的社交网络LBSN活动和线下物理世界行为规律 进行分析。基于位置的社交网络LBSN的签到数据作为挖掘用户上下文行为规律的输入层 数据，结合用户社交网络的签到信息和任务的时空上下文输出挖掘结果。本发明判断用户 是否适合执行任务的依据为其在基于位置的社交网络LBSN上的历史签到信息。
[0037] 步骤4、工作者执行任务。
[003引确定执行任务的工作者后，工作者在规定的时间地点按照任务描述采集数据。在 该过程中，工作者的行为表现尤为重要，工作者的行为不仅决定了该任务采集数据的质量， 而且是工作者是否能够得到报酬的关键因素。同时，在该过程中，多于一个的用户采集数 据，多用户的采集行为不仅能够防止单用户的垄断行为，而且还提供了一个竞争的采集环 境，为用户采集高质量的数据提供了环境依据。
[0039] 步骤5、利用非监督决策树方法选择有用数据集。
[0040] 在得到的数据的基础上，我们可W得到数据采集的各个属性，W图片为例，属性包 括采集的时间、地点、拍摄角度等。我们在决策树的基础上将相同时间、地点、角度等属性的 数据进行非监督聚类，再对每个类中的冗余数据进行去冗余处理得到最终的有用数据集， 并将该有用数据集发送给需求者。
[0041] 步骤6、基于效用的多支付。
[0042] 数据效用指用户对数据的贡献度。如果工作者提供的相对较少的数据，但是被采 纳的数据相对较多，那么该用户的贡献度相对较高，从而提高了其成为胜出者的概率。数据 效用定义如公式（1)所示。公式中变量含义解释如下；针对某一任务所有用户提交了采集 的数据，利用决策树聚类为该任务选择的有用数据量为M个单位，其中用户i共提交了K单 位的数据，M个单位的有用数据中用户i的有用数据数量为m个单位。
[0043]
(1)
[0044] 如果在步骤6的数据效用基础上只支付排序较高的用户，可W大大降低需求者的 任务代价，甚至会比设置的任务价值低很多。但是该种方案W降低工作者的参与意愿为代 价，采集高质量数据的用户会因为得不到报酬而失去继续参与的兴趣。该样既没有达到鼓 励用户参与的目的，也没有提高数据服务的质量，包括数据的数量、数据质量、数据多样性。 因此，本发明采用一种称为多支付的支付策略，在支付胜出者的同时也按照贡献率补偿了 其他工作者。
[0045] 根据公式（1)计算所有用户的效用值，并根据该效用值按比例进行支付，即如果 用户的效用值高则得到的报酬较高，如果用户的效用值低那么其得到的报酬也相对较低。 需求者的预算为b，那么对于具有数据效用为utility^的用户其得到的报酬payi如公式 (2)所示。
[0046]
。）
[0047] 与现有的激励机制相比，本发明提出了一种基于移动群智感知的激励机制一一基 于位置的社交网络LBSN被用于定义任务预算、提高数据质量、多支付等方面，不仅向系统 中的任务需求者提供了可参考的任务价值，还提出一种基于效用的多支付激励机制方案W 保持数据多样性W及激励公平性。本发明综合利用用户的特性信息与任务上下文信息，激 励用户参与任务，提高用户的参与积极性。
[0048] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在 不背离本发明的精神或基本特征的情况下，能够W其他的具体形式实现本发明。因此，无论 从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权 利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有 变化囊括在本发明内。
[0049] 此外，应当理解，虽然本说明书按照实施方式加W描述，但并非每个实施方式仅包 含一个独立的技术方案，说明书的该种叙述方式仅仅是为清楚起见，本领域技术人员应当 将说明书作为一个整体，各实施例中的技术方案也可W经适当组合，形成本领域技术人员 可W理解的其他实施方式。
【主权项】
1. 一种基于移动群智感知的激励机制实现方法，其特征在于，具体步骤如下： 51、 根据专家经验确定系统参数； 52、 所有需要数据服务或提供数据服务的用户在系统中进行注册； 53、 将注册的用户和其在社交网站上的信息进行关联； 54、 需要数据服务的用户作为任务需求者，需要通过系统发布任务，并根据任务的上下 文f目息定义任务； 55、 任务需求者将任务描述发送至系统服务器，系统服务器根据任务的上下文信息来 确定任务的价值； 56、 任务需求者将带有价值信息的任务通过系统发布，其他用户能够通过系统查看所 有任务； 57、 系统综合考虑任务的上下文信息和在系统中注册的用户的社交网站历史签到信 息，为任务选择合适的执行任务的用户集合； 58、 系统向选择的用户集合推送任务信息，该用户集合中的用户根据自己的意愿决定 接受任务还是拒绝任务，从而确定最终的工作者集合； 59、 确定执行任务的工作者后，工作者在规定的时间地点按照任务描述采集数据，执行 任务； 510、 工作者在任务的截止时间之前提交任务数据； 511、 根据工作者提交的任务数据的属性信息，系统利用非监督决策树方法进行聚类； 在每个类别中选出一个任务数据组成有用数据集，该有用数据集作为最终的数据结果呈现 给任务需求者； 512、 根据步骤Sll的选择结果，系统根据数据效用分配报酬。2. 根据权利要求1所述的基于移动群智感知的激励机制实现方法，其特征在于，所述 社交网站包括基于位置的社交网络LBSN。3. 根据权利要求1所述的基于移动群智感知的激励机制实现方法，其特征在于，所述 任务的上下文信息包括任务的时空特性，所述任务的时空特性为采集数据的时间和地点信 息。
【专利摘要】本发明公开了一种基于移动群智感知的激励机制实现方法，包括：确定任务模型并发布任务；确定任务价值；根据任务需求选择工作者；工作者执行任务；基于效用的多支付激励机制分配报酬。本发明提出了一种基于移动群智感知的激励机制——基于位置的社交网络LBSN被用于定义任务预算、提高数据质量、多支付等方面，不仅向系统中的任务需求者提供了可参考的任务价值，还提出一种基于效用的多支付激励机制方案以保持数据多样性以及激励公平性。本发明综合利用用户的特性信息与任务上下文信息，激励用户参与任务，提高用户的参与积极性。
【IPC分类】G06K9/62, G06Q50/00, G06Q30/02
【公开号】CN104881800
【申请号】CN201510309843
【发明人】郭斌, 南文倩, 於志文, 周兴社, 陈荟慧, 倪红波
【申请人】西北工业大学
【公开日】2015年9月2日
【申请日】2015年6月3日