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。

公开(公告)号：CN117273768A

公开(公告)日：2023-12-22

申请号：CN202310903090.4

申请日：2023-07-21

Applicant: 大连海事大学

Inventor： 陈荣 ,  张志康 ,  汪桐 ,  刘言哲 ,  温昕彤

IPC: G06Q30/0201 ,  G06N7/01 ,  G06N3/092 ,  G06N3/04

Abstract: 本发明一种用于多源空间信息众包式采集的任务激励方法，包括以下步骤：获取当前时间众包式采集任务，确定初始当前时间众包式采集任务的初始价格；构建用于表示当前时间任务的MDP模型；基于强化学习使用网络，对MDP模型进行训练，得到训练好的强化学习使用网络；将当前时间众包式采集任务及初始当前时间众包式采集任务的初始价格输入到训练好的强化学习使用网络中，实现采集者对分配后当前时间任务进行采集。本方法在进行激励价格估计时考虑了采集者的心理价位以及任务标准价格等与估价成功率有关的信息。因此在进行估价时可以全面的考虑各种参数，与先前只考虑采集者任务距离的方法对比可以在各种情况下得到更好的结果。

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。