基于声誉移动众包系统在线激励机制.docVIP

基于声誉移动众包系统在线激励机制 　　摘要：在大数据环境下，对移动众包系统的研究已经成为移动社会网络（MSN）的研究热点。然而由于网络个体的自私性，容易导致移动众包系统的不可信问题，为了激励个体对可信策略的选取，提出一种基于声誉的移动众包系统的激励机制――RMI。首先，结合演化博弈理论和生物学中的Wright-Fisher模型研究移动众包系统的可信演化趋势；在此基础上，分别针对free-riding问题和false-reporting问题建立相应的声誉更新方法，从而形成一套完整的激励机制，激励感知用户和任务请求者对可信策略的选取；最后通过模拟实验对提出的激励机制的有效性和适应性进行了验证。结果显示，与传统的基于社会规范的声誉更新方法相比，RMI有效地提高了移动众包系统的可信性。 　　关键词：大数据；移动众包系统；演化博弈；Wright-Fisher模型；激励机制 　　中图分类号：TP393 　　文献标志码：A 　　0引言 　　近年来，随着互联网技术和无线通信技术的快速发展，在线社会网络，如Facebook、Myspace和Twitter等，变得越来越流行。随着智能手机和移动开放平台的普及，用户可以随时随地获得各种类型的服务、轻松获得自己当前的位置信息。最近一项研究表明，智能手机上Web应用的最重要的目标就是在线社会网络[1-2]。目前，智能手机上已经有很多可用的在线社会网络的应用，像Apple iPhone系统和Google Android系统中的Facebook、Myspace、Twitter、人人网和微信等。在线社会网络中的服务，方便用户和朋友之间分享想法、活动、照片以及其他信息来增强彼此的友谊。 　　大数据时代的到来给网络科学提供了新的发展机遇和挑战，“众包”也成为了驱动网络科学理论与工程发展的新动力。传统的基于Web的众包系统，如Amazon Mechanical Turk和Microworkers，其执行过程为：首先，任务请求者将感知任务提交给众包平台，同时将“任务报酬”和“所需任务完成证明”等信息提交给众包平台；感兴趣的用户参与完成相应的任务，并将“任务完成证明”提交给众包平台；任务请求者根据用户提交的“任务完成证明”，判断其任务完成情况，并付给用户相应的报酬[3]。 　　由于移动设备的普及，对移动社会网络的研究在理论和应用上都具有十分重要的意义。在大数据时代，网络中的数据流一直处于动态变化的状态，且具有较高的速率，因此对计算的响应速度提出很高的要求[4]。为了适应大数据环境下移动社会网络的发展，“移动众包”（mobile crowdsourcing）的概念应运而生。具有移动设备的用户群体蕴藏着巨大的潜力，许多任务可以通过移动社会网络中的用户参与完成，用户利用自己的移动设备收集到感知的数据，上传给云平台，云平台通过对数据进行处理，最终将集成的数据发送给任务请求者。利用移动社会网络中的巨大资源，结合“移动众包”概念进行任务的发布、处理、感知以及集成，不仅可以减小传统方法中为了完成任务带来的巨大开销，还可以提高完成任务的效率，因此对移动社会网络中“移动众包”的研究具有十分重要的意义和很好的应用前景。与传统基于Web的众包系统不同，移动众包系统具有更强的实时性。在移动众包系统中，当用户到达某个区域时，如果对发布的任务感兴趣，用户会及时地上传自己的竞价（包括所需报酬、感知时间等信息）。众包平台在收到用户的竞价后，必须立即确定是否接受用户的竞价请求。因此，与传统的基于Web的众包系统相比，移动众包系统具有更强的实时性，不能用传统的离线方法来解决移动众包系统中的相关问题。 　　在众包系统中，如何激励用户积极地参与任务感知，使得整个系统的收益最大化，是保证众包系统性能的重要因素。目前大多的激励惩罚策略都是基于monetary rewards提出的，以微支付（micro-payment）的形式对用户进行激励惩罚[5]。该方法简单易行，然而不能解决用户和平台之间的社会困境问题（social dilemma问题）。由于个体的本性都是自私的，他们的目的都是最大化自身的收益。对于当前的价格机制，主要存在两种social dilemma问题：1）如果任务请求者在任务执行之前，将报酬付给感知用户，即ex-ante情况，则感知用户更倾向于付出很少的努力来进行任务的感知（甚至不进行任务的感知），从而导致感知数据质量的降低，这就产生了搭便车问题（free-riding问题）；2）反之，如果任务请求者在任务完成后，将报酬付给感知用户，即ex-post情况，则任务请求者有可能谎报感知数据的质量，从而减少所付报酬（甚至拒绝付报酬），这就产生了虚报问题（false-reporting问题）[6]。 　　本文针对移动众包系统的free-