公开(公告)号：CN118552234A

公开(公告)日：2024-08-27

申请号：CN202411016897.7

申请日：2024-07-29

Applicant: 烟台大学

Inventor： 王莹洁 ,  牛青原 ,  高洋 ,  童向荣 ,  张强 ,  牟春晓 ,  滕浩钧

IPC: G06Q30/0201 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/0985 ,  G06F18/27 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明涉及分布式人工智能和移动众包技术交叉技术领域，尤其是涉及一种基于LSTM的移动众包任务数据离线预测方法及系统。所述方法，包括获取移动众包平台的历史任务数据；对获取的历史任务数据进行清洗和预处理；构建基于LSTM的神经网络模型；利用历史任务数据对神经网络模型进行模型训练；利用训练好的神经网络模型进行任务价格预测。本发明通过有效处理长期依赖信息，LSTM模型显著提高了任务价格预测的准确性。这使得模型能够识别和利用数据中的时间序列模式，从而减少预测误差，并提供更可靠的决策支持。

公开(公告)号：CN119295163A

公开(公告)日：2025-01-10

申请号：CN202411832792.9

申请日：2024-12-13

Applicant: 烟台大学

Inventor： 王莹洁 ,  牛青原 ,  滕浩钧 ,  高洋 ,  童向荣 ,  刘志中 ,  安茂国

IPC: G06Q30/0283 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及移动众包技术领域，尤其是涉及一种基于锚定效应的移动众包隐性动态激励方法及系统。方法包括构建LSTM任务价格预测模型，即TP‑LSTM模型；利用TP‑LSTM模型基于任务进行任务价格预测和服务质量预测；基于预测结果，进行任务信息锚定；基于任务信息锚定进行工人招募最优激励，其中包括初始招募过程的最优激励和紧急招募过程的最优激励。利用TP‑LSTM模型显著提高了任务价格预测的准确性，能够识别并利用数据中的时间序列模式，有效减少预测误差，为平台提供更为可靠的决策支持。