参差质量工人环境中的众包任务全局分配模型

已有的众包研究大多优先使用优秀工人来完成任务,即众包平台会为任务分配技能水平度和信誉度最高的工人。然而现实平台中大部分工人的技能水平度与信誉度相对较低,导致众包平台中同时存在大量无法分配的任务和无任务可做的工人。问题的主要原因如下:(1)复杂任务对工人技能水平度要求高,专业工人数量较少,而占大多数的技能水平度较低的工人无法完成复杂任务,使得大量任务分配失败;(2)任务会被优先分配给技能水平度高和信誉度高的工人,而技能水平度、信誉度相对较低的工人因为没有达到任务要求往往无任务可做。在实际众包平台中,我们发现很多复杂任务都有充足的预算,并且平台中的工人们可以通过合作来提升技能水平度。基于这些实际观察,设计了一个工人合作模型:当平台中缺少符合任务要求的工人时,该模型会让技能水平度不足的工人加入团队,通过团队内工人合作达到任务要求的技能水平度,从而使任务分配成功。最后在真实数据集上开展了实验,实验结果表明,所提模型能够提高任务分配成功率,并同时降低任务发布者的预算成本、提高工人的整体收入水平。

基于网络知识空间分析的学术虚拟社区知识交流效率测度

[目的/意义]有效测度和分析学术虚拟社区的知识交流效率对于提高虚拟社区服务水平和满足用户高质量学术信息服务体验都有着非常重要的作用。[方法/过程]首先,文章以学术虚拟社区的博文关键词为研究对象,提出了相关的网络结构设计;其次,利用博文所在的学科版块作为维度、学科子类别作为联盟提出了相应知识空间的设计方法;最后,构建了时序节点坐标平均移动距离和结合节点度的协作效率两个基于协作效率测度的知识交流效率指标以及一个基于网络外向性的知识交流效率指标。[结果/结论]利用科学网三个学科版块的博文数据,同时结合知识传播系数、网络演化时间等因素,实验验证了相关分析方法和知识效率指标的测度方法,并对分析结果都做了全面的阐述和说明。这些结果可以为知识交流效率提升、版块优化和用户留存等学术虚拟社区发展和改进措施提出策略支持。

基于群体智能的Agent策略控制机制

Agent在系统运行中的行为策略决策与控制一直是多Agent系统中的一个难题。自然群体中,行为规则很简单的个体通过与周围其他个体的同步,能导致群体显示出智能的特征。本文利用群体智能的原理,让Agent同步其他Agent的行为状态来调整自己的策略,从而让系统达到全局协调现象。最后的实验结果证明了这种方法的有效性。

基于动态类簇形成博弈的属性图聚类方法

以微博、微信为代表的社交网络不仅包含丰富的节点属性信息,还蕴含复杂的网络拓扑信息,这些社交网络通常可被建模为属性图.传统的图聚类方法假设节点属性与网络拓扑共享同一类簇结构.然而,在真实社交网络中,节点属性与网络拓扑所对应的类簇结构并非完全一致.譬如,通过社团发现技术分析新浪微博的好友关注列表能够直观地获取聚集在同一群组的用户集合;而借助文本挖掘技术分析同一群组的用户生成内容却会发现用户讨论话题的分布广泛,体现出差异化的用户偏好特征.如何有效融合属性与拓扑信息对属性图进行聚类是理解、分析和可视化大规模社交网络的关键难题之一.为此,本文将属性图聚类建模为多目标优化问题,提出一种基于动态类簇形成博弈的属性图聚类方法.首先定义一种新颖的中心性指标度量节点的影响力,并提出一种启发式方法初始化属性图类簇质心;其次在动态博弈理论框架下,提出一种贪心的局部搜索策略更新节点类簇标签,并严格证明该局部搜索策略可使类簇结构收敛至局部帕累托最优解;最后设计一种基于多智能体自治计算的属性图聚类算法,该算法无需预设初始类簇个数,且复杂度近似线性于边的数目.为验证本文所提算法的性能,我们依次从三个方面来对其进行测试和评估.首先我们在Google+属性图上对所提算法进行了单独的收敛性分析.我们测试了算法中四个需要优化的目标函数(K-means损失函数、Havrda-Charvat生成熵、负模块度和负紧凑度)在三个不同的Bregman散度(欧氏距离平方、KL散度距离和余弦距离)设置下的收敛性情况.实验结果表明,四个目标函数能在50轮迭代之后达到收敛状态.然后,我们在4个大规模属性图上分别从聚类精度和可扩展性两个方面将本文所提算法与9个基准方法作了充分对比.对比结果表明,本文所提算法在NMI指标下比其它算法所得最优结果高出0.7%;而在AvgF1指标下比大多数算法所得的最优结果高出0.2%.在可扩展性方面,本文所提算法即使在最大规模的Google+属性图上也能在1个小时内计算出聚类结果.最后,我们在小规模PolBK数据集上进行了可视化分析.从可视化结果可以看出,在14轮迭代后本文所提算法就达到了稳定状态,与此同时找到了与真实情况接近的类簇结构.总体实验结果表明,本文方法能够准确发现大规模社交网络潜在的类簇结构,且同已有方法相比具备较好的有效性和高效性.

基于多Agent的恶意环境下的控制系统任务分配方法

为了保证控制系统的执行,研究了恶意节点环境下分簇控制系统的任务分配。首先采用多Agent方法对分簇控制系统进行建模分析,将系统中节点的不同功能组件建模为自治Agent,采用Agent联盟子系统对簇进行建模;然后在多Agent建模分析的基础上提出簇信誉的概念,通过簇信誉度量每个簇执行任务的可靠性和能力;最后提出基于簇信誉和控制单元信誉的多Agent分簇控制系统的安全任务分配方法,该方法可以有效提高任务执行的安全可靠性。

大数据环境下的数据库课程教学改革研究

大数据技术作为当前的热门技术,对高等教育专业课程产生了明显的影响,推动高校课程改革是必然趋势。数据库是计算机科学与技术等相关专业的一门重要课程,文章阐述并分析了大数据背景下该课程面临的问题,结合社会对数据库人才的需求从教学内容、教学模式和实践平台探讨了大数据背景下数据库课程的教学改革思路,并以实际应用案例证实该方法提高了学生的自主创新思想和实践能力,能更好地培养实用型数据库创新人才。