【技术实现步骤摘要】
一种群智感知中基于双向拍卖模型的激励方法及系统
[0001]本专利技术属于群智感知
，尤其涉及一种群智感知中基于双向拍卖模型的激励方法及系统。
技术介绍
[0002]目前，群智感知是指利用智能设备的移动感知和社会计算的特点，与“众包”的思想结合的一种新的感知网络。群智感知服务中的一个关键问题是激励机制的设计，提高数据提供者的服务积极性，使得数据提供者可以提供感知服务。而现有的激励模型大都是假设只有一个任务请求者，忽视了感知任务请求者与数据提供者之间的交互行为，难以满足存在多个任务请求者的应用场景。首先，研究群智感知的激励机制，构建多请求者多提供者双向拍卖模型；其次，现有的研究只考虑了数据提供者的感知任务的能力对任务结果的影响，没有考虑到任务难度和感知能力之间的关系，因此对双向拍卖模型中的任务请求者提供的任务的难度和数据提供者的感知任务的能力分别进行建模，并综合考虑了影响数据提供者的内在因素和外在因素，内在因素考虑了数据提供者提供数据的质量和任务难度之间的关系，外在因素的衡量使用了用户的活跃度和距离相似度两个指标，最终得出数据提供者的综合得分；最后从计算有效、个人理性、预算平衡、真实性这四个方面分析激励方法的有效性。
[0003]使用最多的是基于博弈论的报酬支付激励，大多以用户或平台为中心进行设计的。最经典的是设计了两种激励模型：以平台为中心的激励模型采用的是斯坦伯格博弈，以用户为中心的激励模型采用的是反向拍卖模型。使用双向拍卖模型的技术方案，考虑了用户质量和任务质量需求之间的关系；使用反向拍卖模型技术方...
【技术保护点】
【技术特征摘要】
1.一种群智感知中基于双向拍卖模型的激励方法，其特征在于，所述群智感知中基于双向拍卖模型的激励方法包括：在群智感知系统中，由一个平台，M个任务请求者组成的集合R＝{r1，r2，r3，...r
M
}，N个数据提供者组成的集合W＝{w1，w2，w3，...w
N
}；在所述群智感知系统中，假设一个任务请求者r
j
只能提交一个任务交给平台，并且每个数据提供者w
i
可以提供一个自己感兴趣的任务集合及其相应的竞价，任务请求者r
j
提供的任务组成集合T＝{t1，t2，t3，...t
M
}；其中，所述群智感知系统中采用的是双向拍卖模型。2.如权利要求1所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，所述群智感知中基于双向拍卖模型的激励方法及系统包括以下步骤：步骤一，任务请求者集合R提交各自的类型信息给平台；其中，所述类型信息包括最大的任务价值步骤二，平台将收到的任务请求者发布的任务发布给数据提供者；步骤三，数据提供者收到平台发布的任务后，选择感兴趣的任务，将类型信息提交给平台，并挑选出合适的获胜数据提供者；步骤四，平台根据任务请求者和数据提供者双方的信息，使用评估模型计算出两者之间的评估概率，然后求出各数据集合；步骤五，获胜的数据提供者在完成任务后将数据上传到平台；步骤六，获胜的任务请求者支付任务的费用；步骤七，获胜的数据提供者收到来自对应的获胜任务请求者的报酬。3.如权利要求2所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，步骤一中，在拍卖的初始阶段，每个任务请求者将会提交自己的类型信息给平台，分别表示提交的任务及其任务的价值，分别对应任务的平均难度和区分度，|t
j
|表示需要完成的单位任务的数量；假设已知任务的难度服从高斯分布，即任务t
j
的难度会被建模成一个随机变量ψ
j
服从高斯分布其中μ
j
为平均难度，为区分度；μ
j
越大，任务难度越大，准确率越低；越大，任务难度越分散，整体的差异区分越明显，所述务请求者的效用为：4.如权利要求2所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，步骤三中，所述数据提供者收到平台发布的任务后，选择感兴趣的任务，将类型信息提交给平台，并挑选出合适的获胜数据提供者，包括：数据提供者收到平台发布的任务后，选择感兴趣的任务，每个w
i
∈W会将类型信息提交给平台；其中(t
k
，c
ik
)表示数据提供者w
i
∈W选择完成任务t
k
给出的单位任务的完成成本值c
ik
；然后平台使用评估模型来挑选合适的获胜数据提供者，提供数据质量，所述数据提供者的效用为：
5.如权利要求2所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，步骤四中，所述平台根据任务请求者和数据提供者双方的信息，使用评估模型计算出两者之间的评估概率，然后求出各数据集合，包括：平台根据任务请求者和数据提供者双方的信息，使用评估模型计算出两者之间的评估概率，然后使用挑选算法、匹配和定价算法求出任务请求者获胜集合R
w
、数据提供者获胜集合W
w
、获胜任务请求者费用集合Q、获胜数据提供者报酬集合P；将每个获胜的数据提供者和获胜任务请求者匹配完成后，平台的效用为：6.如权利要求5所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，所述评估模型主要包括内在因素和外在因素两部分，包括：(1)外在因素：是指当前数据提供者的外在条件对其完成任务的准确度的影响，使用用户的活跃度和距离相似度两个指标进行衡量，包括：
①
用户活跃度通过提取的数据提供者的历史数据，可以得到用户上一次参与任务的时间，通过计算任务发布时间与数据提供者最近一次参与任务时间的距离，可以得到数据提供者的活跃度；计算公式如下所示：其中，Act
i
是用户的活跃度，β是用户活跃度的衰减系数，t
now
是任务发布时间，t
pre
是距离任务发布时间数据提供者最近一次参与任务的时间，若是用户长期处于不参与任务的状态则β值设为1；
②
距离相似度数据提供者在参与感知任务的时候，数据提供者的位置和感知任务中数据采集地点之间的距离也是选择数据提供者的性能指标之一；通过提取数据提供者的当前数据，可使用余弦相似度来计算两者之间距离相似度，计算公式如下：其中，(x
i
，y
i
，z
i
)是数据提供者的位置坐标，(x
i
，y
i
，z
i
)是任务请求者的位置坐标，dist
i，j
值越大，说明两者之间距离越近；dist
i，j
值越接近于1，说明两个地点越接近；dist
i，j
值越接近于
‑
1，说明两个地点越远；
③
概率模型假设每个数据提供者的外在条件对其完成任务的准确度的影响，不受其他数据提供者的影响，选择使用logistic函数作为外在因素对任务完成的准确度的影响概率，计算公式如下：
其中，r
ij
是数据提供者的活跃度和距离相似度两个指标的影响下对其判别问题的精度的影响，r
ij
的值越大，完成任务的准确度越高；(2)内在因素：是指数据提供者自己本身具备的能力即完成任务的质量，假设已知用户回答任务的质量服从高斯分布，即用户w
i
∈W完成任务的质量会被建模成一个随机变量Q
i
服从高斯分布而任务的难度服从高斯分布，即令Δ
ij
＝Q
i
‑
ψ
j
表示用户w
i
∈W完成任务的质量与任务t
j
难度之间的差异，在基于所述两个假设，可得(3)评估概率由于任务是二分类，数据提供者仍然有的概率回答正确；因此，将用户完成任务的概率使用sigmoidal函数进行建模，数据提供者正确回答问题的概率的函数表达式如下：7.如权利要求5所述的群智感知中基于双向拍卖模型的激励方法，其特征在于，所述挑选算法，包括：输入：任务请求者集合R、数据提供者集合W；输出：任务请求者候选集合R
s
、数据提供者候选集合W
s
；步骤1：任务请求者候选集合R
s
、数据提供者候...
【专利技术属性】
技术研发人员：易运晖，刘玉萍，陈南，朱畅华，何先灯，权东晓，赵楠，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。