一种面向众包的基于信誉值的激励机制-电子与信息学报.PDF

一种面向众包的基于信誉值的激励机制-电子与信息学报.PDF

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种面向众包的基于信誉值的激励机制-电子与信息学报.PDF

第38 卷第7 期 电 子 与 信 息 学 报 Vol.38No.7 2016 年7 月 Journal of Electronics Information Technology . Jul. 2016 一种面向众包的基于信誉值的激励机制 芮兰兰 张 攀* 黄豪球 邱雪松 (北京邮电大学网络与交换技术国家重点实验室 北京 100876) 摘 要:众包是互联网带来的一种分布式问题解决模式。然而,由于工作者和任务发布者具有自私特性并且致力于 获得自身效益的最大化,使得在众包应用中,存在内部的激励问题。该文主要完成以下工作:首先,基于重复博弈, 提出一种基于信誉值的激励模型,用于激励理性工作者高质量地完成任务;其次,该激励模型中同时设置了惩罚机 制,将针对恶意工作者做出相应惩罚。仿真结果表明,即使在自私工作者比例为0.2 的条件下,只要合理选择惩罚 参数,均可有效激励理性工作者的尽力工作,众包平台的整体性能可以提升至90%以上。 关键词:众包平台;激励模型;惩罚机制;重复博弈 中图分类号: TP393 文献标识码: A 文章编号:1009-5896(2016)07-1808-08 DOI: 10.11999/JEIT151095 Reputation-based Incentive Mechanisms in Crowdsourcing RUI Lanlan ZHANG Pan HUANG Haoqiu QIU Xuesong (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China) Abstract: Crowdsourcing is a new distributed problem solving pattern brought by the Internet. However, intrinsic incentive problems reside in crowdsourcing applications as workers and requester are selfish and aim to maximize their own benefit. In this paper, the following key contributions are made. A reputation-based incentive model is designed using repeated game theory, based on thorough analysis for current research on reputation and incentive mechanism; and a punishment mechanism is established to counter selfish workers. The experiment results show that the new established model can efficiently motivate the rational workers and counter the selfish ones. By setting punishment parameters appropriately, the overall performance of crowdsourcing system can be improved up to 90%, even if the fraction of selfish workers is 20%. Ke

您可能关注的文档

文档评论(0)

ailuojue + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档