[发明专利]用于众包系统的动态激励计算方法、系统、设备及介质

说明书

本发明公开了一种用于众包系统的动态激励计算方法和系统，该方法包括获取需求者在众包平台上的任务数据以及参与用户的历史任务问答数据；将任务分配给参与用户；针对每个参与用户构建一个循环神经网络模型；根据参与用户的历史任务问答数据，训练循环神经网络模型；依据参与用户、任务以及循环神经网络模型的预测结果，计算不同激励值所带来的最终收益大小判断是否给予当前用户激励值；收集所有参与用户的答案，以得到需求者所需的结果。在解决在线收益计算问题时，本发明同样提出了一种简洁高效的算法。模拟实验证实了本发明在复杂情况下的高效性和鲁棒性。众包平台上的实际实验也显示了本发明相对于传统方法的高效性及优越性。

技术领域

本发明涉及数据质量提升问题，特别是指一种用于众包系统的动态激励计算方法、系统、设备及介质。

背景技术

在实际应用中，存在着很多人类可以轻易完成但机器难以直接完成的问题。例如给出两张不同清晰度的图片，人类可以快速准确分辨但机器却难以识别。同样的例子还有自然语言情感清晰的判断。在这样的背景下，众包平台得到了广泛的关注和发展。

众包平台指的是一个网络工作分配平台，需求者在平台上发布各种任务，用户浏览并选择任务，需求者根据用户提交的工作质量来给予一定的奖励。

随着众包平台的不断发展，如何给予激励以提升问答数据质量成为了一个关键问题。有研究发现，适当的激励(如声望、金钱等)可以提高问答质量，进而提升需求者的最终受益。然而，过多地给予激励值会使得需求者的总收益下降，进而使得答案数据的总体质量下降，过少的激励值会打击用户回复的积极性，任务可能无法完成。在这样的情况下，良好的激励机制不仅要求合理地激励用户以获取高质量回复，同时也要使得需求者可以通过用户的答案获得相对较高的收益。

针对众包平台上的激励计算问题，国内外学者已经做出了一些工作，但这些工作还存在局限性：(1)激励模式单一，带来的整体数据质量提升效果均有限；(2)每个完成任务的用户获得相同利益，没有考虑到答案质量、用户行为等影响。

发明内容

本发明实施例提供一种用于众包系统的动态激励计算方法、系统、设备及介质，以解决传统方案单一且未考虑答案质量的问题，根据回答者的以往任务问答历史数据来决定是否给予回答者一定的激励值以最大化任务数据的质量。

为了达到上述目的，本发明采用如下技术方案：

第一方面，本发明实施例提供一种用于众包系统的动态激励计算方法，该方法包括如下步骤：

获取需求者在众包平台上的任务数据以及参与用户的历史任务问答数据；

将任务分配给参与用户；

针对每个参与用户构建一个循环神经网络模型；

根据参与用户的历史任务问答数据，训练循环神经网络模型；

依据参与用户、任务以及循环神经网络模型的预测结果，计算不同激励值所带来的最终收益大小判断是否给予当前用户激励值；

收集所有参与用户的答案，以得到需求者所需的结果。

进一步地，获取的任务数据包括：任务个数、每轮分配任务数、需要问答的任务的总集合。而参与用户的历史任务问答数据包含用户以往任务问答数目和质量。

进一步地，所述循环神经网络模型是一种时间序列模型，用于预测在给定激励值时用户的输出答案质量水平，循环神经网络模型其由多个全连接层组成，在每个时间节点接收上一个时间节点的输出，构成一个循环的神经网络。

进一步地，所述循环神经网络模型主要的参数如下：

1)需求者可以决定在每个时间节点t是否给予用户激励值，记作a_t，a_t为1则给予激励值，0则为否；