[发明专利]一种基于信任模型的鲁棒众包数据分析方法

权利要求书

1.一种基于信任模型的鲁棒众包数据分析方法，其特征在于：包括有以下步骤：

S1：根据众包平台提供的众包工作者基本信息提取出众包工作者的历史信誉度信息；

S2：用贝塔分布对S1提供的历史信誉度信息进行分析，得出众包工作者工作精度的验前分布，具体包括以下步骤：

S2.1:工作者提供的结果精度a表示工作者完成任务的准确度,a的验前分布g(α_m)，m＝(1,2,3…,m),共有m名工作者；

S2.2:贝塔分布的概率密度函数为：

其中α、β分别为贝塔分布的两个参数，Γ为伽马函数，其中：

Γ(α)＝∫₀t^α-1e^-tdt；

Γ(α+1)＝αΓ(α),α＞0；

当α为正整数时：

Γ(n)＝(n-1)！；

贝塔分布的均值的计算公式为：

贝塔分布方差的计算公式为：

S2.3:根据S1提供的历史信誉信息，得到k次任务结果的准确度均值，计算公式为：

同时求的k次任务结果的准确度的方差，计算公式为：

S2.4:根据k次任务的准确度均值计算公式和准确度方差计算公式，解方程组求的α和β的值，α的计算公式为：

β的计算公式为：

S2.5:根据S2.4内求得的α和β的值，带入贝塔分布的概率密度函数，求得众包工作者所提供数据准确度的验前分布；

S3：根据数据集随机选取部分众包工作者在本次雇主发布的任务完成后的任务结果；

S4：用投票一致性规则对S3提供的部分众包任务结果数据进行分析，得出众包数据准确度的条件概率；

S5：将S2得出的先验信息和S4得出的条件概率通过贝叶斯模型进行结合计算，得出众包工作者此次提交数据结果的验后准确度信息。

2.根据权利要求1所述的基于信任模型的鲁棒众包数据分析方法，其特征在于：所述S1中提取的众包工作者的历史信誉度信息以众包工作者最稳定的一段连续时间内的k次任务结果的准确度信息作为历史信誉信息。

3.根据权利要求1所述的基于信任模型的鲁棒众包数据分析方法，其特征在于：所述S3中数据集是由所有工作者在本次任务中提交的所有任务结果组成。

4.根据权利要求1所述的基于信任模型的鲁棒众包数据分析方法，其特征在于：所述投票一致性方法包括有以下步骤：

S4.1:对数据进行预处理，得出每位众包工作者提交任务结果的正误；

S4.2:根据需求，设计阈值，判断每位众包工作者提交任务结果的正误与平均正误的差距是否在阈值内，如果在则表示满足要求，反之则表示不满足要求；

S4.3:根据判断结果，计算每位工作者被抽取部分任务结果的准确度；

S4.4:最终得到符合要求的数据最终根据贝塔分布的概率密度函数式和每位工作者被抽取部分任务结果的准确度，求得众包工作者在本次任务中所提交结果准确度的条件概率。

5.根据权利要求1所述的基于信任模型的鲁棒众包数据分析方法，其特征在于：所述得出众包工作者此次提交数据结果的验后准确度信息的计算公式为：