检索结果-内蒙古大学图书馆

作者：谢珍真吉林大学

学位级别：博士

众包计算是一种面向共享经济的新型计算方式,它以众包作为主要手段,灵活调动资源用以完成各种大规模的数据采集、存储与计算任务。它带来的益处是显而易见的:首先,众包计算带来了高覆盖的感知方式,其收集到的感知数据支撑着多种产业升级... 详细信息

众包计算是一种面向共享经济的新型计算方式,它以众包作为主要手段,灵活调动资源用以完成各种大规模的数据采集、存储与计算任务。它带来的益处是显而易见的:首先,众包计算带来了高覆盖的感知方式,其收集到的感知数据支撑着多种产业升级,促进应用向智能化的转变。其次,众包计算充分挖掘了参与者的移动性,携带设备的多样性,以及参与者本身的知识储备,并且实现了这些资源和众包任务的良好匹配。直至今天,众包计算仍然一直处在不断发展的进程当中,期间涌现出多种实现方式,以面向各种不同应用场景的需要。例如面向物联网应用的群智感知,面向边缘智能应用的联邦学习等等。由此可见,众包计算灵活的实现方式与广泛的应用范围,正在为普罗大众带来从生产方式到服务方式的深层次革新。众包计算作为一个典型的交叉学科,其体系结构复杂,相关研究热点和科学问题众多。同时,众包计算实现方式丰富,因此个性问题与共性问题交错叠加。本文面向众包计算中的参与者异构性理解以及资源分配机制方面的需求,基于深度学习相关技术,系统地研究了相关挑战及其解决方案。首先,本文从众包计算的演化进程入手,以时间线和需求演变的角度论述了众包计算的发展过程,并对相关重点科学问题和现有研究工作进行了分析与讨论。在目前的研究工作中较少针对众包计算的发展过程,出现的实现方式以及热点研究问题的变迁进行总结与分析,因此本文对众包计算的演化过程的梳理与总结是具有一定现实意义的基础性工作。在此基础上,本文选择了众包任务分配问题、众包参与者合作优化问题以及众包网络资源优化配置问题作为具体研究工作。其中,任务分配问题是各类众包计算应用的核心问题,高效的任务分发与参与者选择是提高众包任务响应率的关键;参与者合作优化是众包计算的新兴问题,如何理解参与者的群体异构性并加以合理运用是提高众包任务完成质量的重点;网络资源优化配置问题则是众包数据融合过程中常被忽略的基本问题,如何确定合理的网络资源优化方案是从传输层面加强众包计算数据处理效率的关键切入点。本文内容从上述三个问题出发,根据众包计算中的典型场景的个性化需求,提出了基于深度学习的不同解决方案。旨在体现技术路线前瞻性的同时,验证强化学习和表征学习在众包计算不同层次的研究问题中是否能够发挥积极作用。本文主要贡献包括以下三方面:一、针对众包计算中的任务分配问题,联合使用表征学习方法中的图注意力模型和深度强化学习算法实现了一种半机会感知任务分配模型。模型中同时考虑了参与者出行计划的异构性以及参与者资源分配问题。最终实现了从参与者利益出发的高效任务分配机制和参与者资源的灵活调度;二、针对众包计算中的参与者合作优化问题,提出了一种新的自组织合作模型,具有识别高合作收益联盟的能力,同时将深度强化学习的动态探索过程与参与者贡献的聚合过程深度耦合,实现了参与者群体异构性的自动认知、参与者的利益保护以及参与者资源的合理运用;三、针对众包计算底层通信资源管理复杂、难以提供面向机器学习算法的统一表示的问题,利用基于表征学习中的随机游走图采样过程建立了网络拓扑表征模型。该模型能够输出结构信息损失较小的向量表征结果,辅助其他机器学习方法在多种网络资源优化指标中得到更显著的改善水平。

关键词：众包计算强化学习表征学习资源分配异构性

来源：评论

学校读者我要写书评

暂无评论

众包场景下的质量评估研究

众包场景下的质量评估研究

引用

作者：吕珊珊中国科学院大学

学位级别：博士

随着信息时代的到来，众包计算通过互联网等渠道最大限度地利用了大众的力量，提供了一种以更高的效率、更低的成本满足生产及生活需求的新模式，在近几年得到了广泛关注。众包计算将传统由指定的企业或个人完成的任务分配给自愿加入的... 详细信息

随着信息时代的到来，众包计算通过互联网等渠道最大限度地利用了大众的力量，提供了一种以更高的效率、更低的成本满足生产及生活需求的新模式，在近几年得到了广泛关注。众包计算将传统由指定的企业或个人完成的任务分配给自愿加入的大众参与者，大众参与者根据任务提交作品，从而完成任务。然而由于参与者来自非专业的大众，其作品的质量通常低于专业人员，所以质量评估问题是保证众包计算有效性的关键和基础。　　本文从众包计算的两个重要组成部分:参与者和作品出发，从参与者的质量评估和作品的质量评估展开研究，并结合基于任务发布者评价的众包场景和基于社区评价的众包场景这两类示范性应用场景进行建模和评价，深入理解众包计算的过程，拟合质量评估的结果。具体研究内容如下:　　基于异质网络的参与者质量评估。针对基于任务发布者评价的众包场景中参与者质量的随机性问题，我们提出了基于异质网络的参与者质量评估方法。构建了包含参与者、作品和标签的异质网络用以建模参与者和任务的交互过程，捕获了参与者和作品、参与者之间以及作品和标签的关系。将此异质网络嵌入到低维空间中可以获得参与者的向量表示，从而用于参与者的质量评估。三个数据集上的实验结果证明了此方法在参与者质量评估方面的优越性。　　考虑社区反馈的参与者选择。针对基于社区评价的众包场景中社区根据具体任务对参与者反馈不同的问题，我们提出了考虑社区反馈的参与者选择方法，显式建模了社区评价机制根据具体任务对参与者的真实反馈。我们将参与者选择过程形式化为序列化决策过程，利用奖励函数显式建模社区对参与者的真实反馈，代理每次根据任务的状态选择一个参与者，然后代理从环境中获得奖励并进入下一状态。两个来自真实世界的数据集上进行的实验证明了此方法的有效性，同时此方法在预测任务的参与者人数方面展示了潜力，为任务的完成带来了便利。　　基于参与者和作品表示特征的作品质量评估。针对基于任务发布者评价的众包场景中任务发布者评价作品时对参与者的感知价值差异，我们提出了基于参与者和作品表示特征的作品质量评估方法，将参与者建模到作品质量评估的因素中。我们从参与者表示特征和作品表示特征两方面出发，利用任务发布者的历史反馈直接对作品的质量进行建模，更准确地拟合任务发布者评估的作品质量结果，提高了评估效率。在三个大规模众包数据集上的实验结果证明了此方法的有效性。　　结合参与者专业性的作品质量评估。针对基于社区评价的众包场景中参与者的社区认可度带来的作品质量评估的不确定性问题，我们提出了结合参与者专业性的作品质量评估方法，显式地建模了社区评估中参与者的认可度带来的影响。我们提出了一个新颖的匹配函数，同时考虑了任务和作品的相关性以及参与者的社区认可度，更好地拟合社区评估的结果。在两个来自真实世界数据集上的实验结果证明了此方法的有效性，同时，学习到的参与者向量包含参与者在社区评估机制中的认可度情况，有助于理解影响众包计算质量的因素。　　总体而言，本文针对参与者质量评估和作品质量评估中的挑战性问题进行研究，更好地拟合了质量评估的结果。本文的研究工作对理解众包计算的整体过程以及实际众包的应用场景都具有实践和指导意义。

关键词：众包计算质量评估参与者作品特征社区评价

来源：评论

学校读者我要写书评

暂无评论

低时间复杂度的次模最大化算法研究

低时间复杂度的次模最大化算法研究

引用

作者：吴本伟中国科学技术大学

学位级别：博士

作为经典的组合优化问题,次模最大化问题在计算机、人工智能、大数据、运筹优化、博弈论、金融投资等领域有着广泛而深远的影响以及应用。在早期的次模最大化算法的研究中,由于数据量较少、应用环境简单等原因,研究者的兴趣主要在于如... 详细信息

作为经典的组合优化问题,次模最大化问题在计算机、人工智能、大数据、运筹优化、博弈论、金融投资等领域有着广泛而深远的影响以及应用。在早期的次模最大化算法的研究中,由于数据量较少、应用环境简单等原因,研究者的兴趣主要在于如何尽可能地提高算法的近似保证,从而忽视了算法的时间复杂度。但是随着大数据时代的到来,待处理数据规模不断增加,应用环境不断多样化、复杂化,使得这些原先具有接近最优近似比的经典算法往往会因为不切实际的高时间复杂度而难以满足实际应用的需要。因此,本文将聚焦低时间复杂度的次模最大化算法研究,研究如何在确保低时间复杂度的前提下尽力提升算法的近似保证,或在维持算法的近似保证的前提下尽力降低算法的时间复杂度。本文的研究内容与创新贡献主要由三大部分组成,具体如下所示。(1)面向社交广告收益优化的单调次模最大化算法研究。该部分,本文主要研究如何在多广告商场景下的社交网络中选取高质量的种子用户推广商品,使得社交广告的收益最大化。该问题可以建模为多个次模背包约束与单个分部拟阵约束联合限制下的单调次模最大化问题。由于次模最大化问题本身就是NP-难的,而种子用户集的影响力估计是#P-难的,因此该问题是一个具有高度挑战性的复合型难题。针对该问题,本文先假设任意种子集的影响力大小精确可查,然后基于贪心阈值筛选与二分阈值查找策略设计了一种具有常数近似比的理想算法。随后,本文提出了一种新颖的均匀采样方法用于种子集的影响力估计。结合精心设计的渐进均匀采样框架,本文在理想算法的基础上提出了一种具有实际应用价值的快速算法。理论分析表明快速算法能够在O(mn)的运行时间内以1-δ的概率实现接近常数的近似比,其中m和n分别表示社交网络的边数与结点数,δ ∈(0,1)表示一个任意小的输入参量。同时,实验结果表明快速算法在广告收益、种子选取代价、预算利用率、可拓展性方面显著优于现有算法。(2)面向群体公平众包计算的单调次模最大化算法研究。该部分,本文主要研究群体公平众包计算的任务分配问题。首先,本文基于预算公平分配原则设计了一种兼具简洁性、实用性与通用性的群体公平约束模型,将其作用到任务分配问题的解空间后,即可使任意任务分配算法(即使是一个完全随机算法)都能输出一个具有群体公平性的解。随后,本文通过实验验证了群体公平约束模型的有效性。接着,本文研究了两种经典众包计算的群体公平任务分配问题,并证明它们的本质是单个背包约束与多个分部拟阵约束联合限制下的单调次模最大化问题。为了解决这两个问题,本文基于密度阈值筛选以及候选解增强技术分别设计了两种群体公平任务分配算法O2-GE和M2-GE。O2-GE算法主要解决“单任务-单工人”场景下的群体公平任务分配,可以在接近线性的运行时间内返回近似比接近3.4的解,而M2-GE算法主要用于“多任务-多工人”场景下的群体公平任务分配,可以在接近线性的运行时间内返回近似比接近4.3的解。最后,本文通过实验验证了两个算法在方案效益、运行时间以及群体公平性方面的先进性。(3)面向数据摘要提取的非单调次模最大化算法研究。该部分,本文主要研究两类重要的数据摘要提取问题——SMM问题与SMKM问题。SMM问题的本质是单个拟阵约束限制下的非单调次模最大化问题,其应用场景包括社交网络监控、病毒营销等。针对该问题,本文采用同步贪心选取策略设计了一种近似比为4、时间复杂度为O(nr)的快速算法,其中n表示输入数据规模,r表示最大可行解大小。同时,本文还结合阈值筛选技术提出了一种近似比接近4、时间复杂度为O(nlogr)的加速算法。SMKM问题的理论模型是单个拟阵约束与单个背包约束联合限制下的非单调次模最大化问题,其应用场景包括图像摘要提取、电影推荐系统以及社交网络收益最大化等。为了解决该问题,本文同时采用同步贪心选取以及密度阈值下降策略设计了一种近似比为8、时间复杂度为O(nr log n)的快速算法。并且,针对分部拟阵约束场景下的SMKM问题,本文结合同步候选解增强技术提出了一种近似比接近7.2、时间复杂度为O(nr log n)的快速算法。实验结果展示了上述算法在数据摘要效益、运行时间方面的优越性。

关键词：次模优化社交广告收益最大化群体公平众包计算数据摘要

来源：评论

学校读者我要写书评

暂无评论

成本约束下自适应众包标注的用户观点抽取

引用

计算机应用 2019年第5期39卷 1351-1356页

作者：赵威林煜明黄涛贻李优广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004 广西自动检测技术与仪器重点实验室(桂林电子科技大学) 广西桂林541004

用户评论包含了丰富的用户观点信息,对潜在的顾客和商家具有重要的参考价值。观点目标和观点词作为用户评论中的核心对象,它们的自动抽取是用户评论智能化应用的一项核心工作。目前主要采用有监督的抽取方法解决该问题,这些方法依赖于... 详细信息

用户评论包含了丰富的用户观点信息,对潜在的顾客和商家具有重要的参考价值。观点目标和观点词作为用户评论中的核心对象,它们的自动抽取是用户评论智能化应用的一项核心工作。目前主要采用有监督的抽取方法解决该问题,这些方法依赖于利用高质量的标注样本进行模型训练,而传统人工标注样本的方法不仅耗时费力,且标注成本高。众包计算为构建高质量训练样本集提供了一种有效途径,然而,众包工作者由于知识背景等因素使得标注结果的质量参差不齐。为了在有限的成本下获取高质量的标注样本,提出一种基于工作者专业水平评估的自适应众包标注方法,构建可靠的观点目标-观点词数据集。首先,通过小成本挖掘出高专业水平的工作者;然后,设计一种基于工作者可靠性的任务分发机制;最后,利用观点目标和观点词间的依赖关系设计了一种有效的标注结果融合算法,通过整合不同工作者的标注结果生成最终可靠的结果。在真实数据集上进行了一系列实验表明,与GLAD模型和多数投票(MV)算法方法相比,所提方法能够在成本预算较小的情况下将构建出的高质量观点目标-观点词数据集的可靠性提高10%左右。

关键词：观点挖掘众包计算成本约束工作者检测数据整合

来源：评论

学校读者我要写书评

暂无评论

众包网络中基于区块链的信任管理方法研究与应用

众包网络中基于区块链的信任管理方法研究与应用

引用

作者：阳昊辰河南大学

学位级别：硕士

近年,便携移动设备产生的数据量激增。换言之,智能设备每天都会产生大量待处理的数据。异常数据检测是保证数据可用性和可靠性的重要步骤。但是,社会计算,社会计算安全和其他领域对大数据处理的效率有更高的需求,在处理数据规模庞大的... 详细信息

近年,便携移动设备产生的数据量激增。换言之,智能设备每天都会产生大量待处理的数据。异常数据检测是保证数据可用性和可靠性的重要步骤。但是,社会计算,社会计算安全和其他领域对大数据处理的效率有更高的需求,在处理数据规模庞大的数据异常检测问题时,单节点算力不足以满足用户需求的及时性。众包计算可以通过使用大规模智能网络解决单节点难以解决的复杂问题,但众包网络的开放性会不可避免地引入恶意节点参与众包任务,导致众包计算任务可靠性降低。部分研究将区块链作为分布式信任管理的解决方案,但因区块链的性质,这些信任管理方案存在效率较低的问题。因此,如何在众包计算网络中使用区块链进行高效的信任管理成为了一个关键问题。针对以上问题,本文的研究内容如下:(1)针对当前基于区块链的信任管理中,有效信息更新慢,区块链中集权现象严重的问题,提出了一种可切换共识机制的高效信任管理框架(Decentralized Trust Management,DTM)。DTM在共识层进行了改进,提出了一种可切换的共识机制,以提高基于区块链的信任管理效率。该共识层包含三种新颖的共识算法。DTM在网络中节点数量较多时,会切换到工作捕获量证明机制,以此提高有不诚实计算行为的工作节点的信任值的更新效率。当网络中节点数量较少时,DTM将切换到监控量证明机制。该共识算法可以及时更新有不诚实计算行为的工作节点信任值,并降低部分区块链网络的集权程度。当网络中的工作节点信任值不再发生变化,DTM会切换到公平轮询机制。该共识算法可以降低网络中矿工节点发布区块的最大等待时间,增加区块链的去中心化程度。在信任评估方面,DTM基于蒙特卡洛算法的思想,对黄金标准集方法进行改进,从而避免部分信任攻击。在DTM框架中,每次众包计算任务后都会对每个参与的工作节点产生信任值偏移量,该信任偏移量数据被存储在信任区块链中,以此实现去中心化的信任管理。仿真实验结果表明,DTM可以提高区块链中信任值信息的更新速率,并降低区块链集权度。因此DTM是一种高效的信任管理框架。(2)针对现有基于区块链的可信节点选择方法没有考虑众包请求者成本的问题,提出了一种基于高效信任管理框架的可信节点选择方法(Trusted Working Node Selection,TWNS)。TWNS使用简单加权的方法预测带有信任值属性的工作节点选择方案对众包计算任务结果可靠性的影响。通过时间与流量相关成本消耗等参数计算每个工作节点的选择成本。之后,对带有信任值与成本两个属性的众包工作节点选择问题进行建模,并使用分支限界法对该问题模型进行求解。同时,设置剪枝函数以降低算法的计算开销。最终实现基于区块链的低成本可信工作节点选择。仿真实验结果表明,TWNS算法基于DTM框架对可信节点进行选择,相比不考虑众包请求者成本的节点选择算法,TWNS减少了64.6%的成本,并且满足众包任务的可靠性需求,体现了可信与成本的权衡。(3)将基于区块链的高效信任管理框架及可信节点选择方法应用于异常数据检测系统中。该系统划分大规模异常数据检测任务并选择可信节点完成子任务,以此保证检测任务结果的可靠性。同时,将信任值数据存储在区块链平台中,通过部署可切换的共识机制实现基于区块链的高效的信任管理。

关键词：众包计算异常数据检测区块链共识机制可信节点选择

来源：评论

学校读者我要写书评

暂无评论

基于众包式眼动数据的视觉显著性预测模型及应用

基于众包式眼动数据的视觉显著性预测模型及应用

引用

作者：胡屹凛浙江工业大学

学位级别：硕士

视觉显著性预测模型通过计算建模来模拟人类观看图像时的视觉注意力机制,预测图像中不同区域受到的视觉关注程度,可以应用于图像处理、视觉设计等领域。基于图像本身特征的视觉显著性预测模型存在精确性和扩展性较差的问题,而基于深度... 详细信息

视觉显著性预测模型通过计算建模来模拟人类观看图像时的视觉注意力机制,预测图像中不同区域受到的视觉关注程度,可以应用于图像处理、视觉设计等领域。基于图像本身特征的视觉显著性预测模型存在精确性和扩展性较差的问题,而基于深度神经网络的视觉显著性预测模型能有效改进预测性能,但需要大量训练数据才能取得较好结果。引入眼动数据可以有助于对已有视觉显著性预测模型进行完善,但传统眼动跟踪方法受到设备成本、场地、操作过程等限制,眼动数据获取效率和实用性较低。为此,本文采用基于众包机制的眼动数据获取方法替代传统眼动跟踪,建立了众包式眼动数据集,在此基础上,训练基于全卷积神经网络结构的视觉显著性预测模型,并以静态网页图片为例进行了测试和应用。主要研究工作包括以下三个部分:(1)改进了基于用户注视点回忆的众包式眼动跟踪方法。在原有用户注视点回忆和自我报告的众包式眼动跟踪方法基础上,为了提高众包式眼动数据的精度和获取效率,通过用户实验,研究了在数据采集阶段不同参数对众包式眼动数据精度的影响,并针对蒙板图片、任务类型、刺激图片等进行了相应的优化,使众包式眼动数据的精度达到了1度视角,比已有方法的精度提高了3.57%。在此基础上,建立了面向静态网页图片的众包式眼动数据集。(2)提出了基于众包式眼动数据的视觉显著性预测模型。以静态网页图片为例,采用全卷积神经网络建立了视觉显著性预测模型。将图片和对应众包式眼动数据生成的热区图作为输入进行模型训练,通过最小化预测结果的损失值,使模型进一步学习人眼视觉感知特征。测试结果表明,与已有模型相比,线性相关系数提高了44.8%,相对熵降低了13.9%,验证了本文视觉显著性预测模型的预测精度得到了有效提升。(3)视觉显著性预测模型的应用。设计并开发了图片视觉显著性预测与辅助设计系统。用户通过上传图片,可以在线获得对于静态网页图片的视觉显著性预测结果,以及相应的设计辅助。实验结果表明,在本文系统的辅助下,网页设计师修改后的设计比初始设计的用户评分提高了8.18%,验证了本文系统的可行性与实用性。

关键词：视觉显著性预测模型视觉注意众包计算眼动跟踪人机交互

来源：评论

学校读者我要写书评

暂无评论

众包环境下的隐私保护研究

引用

计算机技术与发展 2018年第12期28卷 111-115页

作者：刘欢吴桂兴中国科学技术大学软件学院江苏苏州215123

自从众包的概念被提出以来,就日益受到学术界和工业界的广泛关注,而且随着移动互联网和智能设备的蓬勃发展,众包任务的执行也变得更加便利和高效。可以说,众包已经成为一个热门的研究方向。与此同时,人们也越来越重视个人的信息隐私,尤... 详细信息

自从众包的概念被提出以来,就日益受到学术界和工业界的广泛关注,而且随着移动互联网和智能设备的蓬勃发展,众包任务的执行也变得更加便利和高效。可以说,众包已经成为一个热门的研究方向。与此同时,人们也越来越重视个人的信息隐私,尤其是在执行众包任务时,人们不希望透露过多的个人信息,以免造成不必要的安全隐患。因此,需要在设计众包机制的时候,考虑到隐私保护,做到既能保证众包任务的顺利执行,又能保护参与者的隐私数据。为此,不仅介绍了众包的概念和工作流程,还详细介绍了差分隐私的数学定义以及实现机制。同时,也对差分隐私在不同众包场景下的应用做了分析,分别是:保护用户提供的数据、保护用户的位置信息以及保护用户的出价信息。通过总结现有的研究,最后对未来的研究方向进行展望。

关键词：众包计算隐私保护差分隐私机制设计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：