公开(公告)号：CN117196548A

公开(公告)日：2023-12-08

申请号：CN202311103212.8

申请日：2023-08-28

Applicant: 大连海事大学

Inventor： 陈荣 ,  张志康 ,  陈慧 ,  崔宏斌 ,  唐文君 ,  张诗琪

IPC: G06Q10/105 ,  G06Q10/0639 ,  G06N3/04

Abstract: 本发明公开了一种基于深度强化学习的促进合作的工人激励方法，包括：建立工人合作模型将众包工人之间的互动过程建模为博弈过程；将众包工人的协作过程建模为马尔可夫决策过程，并使用强化学习算法优化工人的协作行为；利用图神经网络基于深度强化学习的动态激励机制和DIFFPOOL技术学习整个网络的全局表示和工人的局部表示，生成适合每个工人的激励值。该方法提出了ACM模型和DDWM激励机制来解决众包任务中的协作问题，将工人的局部表示和整个网络的全局表示进行结合，这可以使请求者来估计工人在网络中是否具有影响力和判断该工人是否能够促进合作，从而生成适合每个工人的激励值。

公开(公告)号：CN117371542A

公开(公告)日：2024-01-09

申请号：CN202311070801.0

申请日：2023-08-23

Applicant: 大连海事大学

Inventor： 陈荣 ,  崔宏斌 ,  陈慧 ,  张志康 ,  李博 ,  张诗琪

IPC: G06N5/043 ,  G06N7/01

Abstract: 本发明公开了一种基于工人绩效的众包真值推理方法，包括如下步骤：读取众包数据，所述众包数据包括众包任务集合和众包答案集合；以众包答案集合作为基础数据，通过EEMA算法计算排序后的工人序列W；以工人序列W、众包任务集合、众包答案集合作为数据，使用head‑tail‑2算法计算出众包任务的真值。该方法在图挖掘算法的基础上考虑了节点的权值，即工人的绩效，这样可以使得提取出的专家集合更精确，即提取出可靠性更高的专家，同时算法可以对众包工人进行排序，排序靠前的工人准确率更高。