本技术介绍了一种结合多臂老虎机和三方博弈理论的信誉用户招募策略,旨在高效招募高质量用户并优化参与者的效用。该策略将工人选择问题转化为多臂老虎机的组合问题,通过算法优化实现用户招募的精准匹配。
背景技术
移动群智感知作为一种新兴的众包技术,充分利用智能移动设备的广泛通信能力,通过招募大量移动用户参与,实现对大规模数据的感知、收集和处理,进而提供相应服务。随着智能手机、智能手环、联网车辆等智能移动设备的普及,利用这些设备内置的多样化传感器使得感知周围环境变得更加高效便捷。移动群智感知技术充分利用用户的移动性及其携带设备中嵌入传感器的多样性优势,通过聚集群众智慧来处理各种大规模感知任务。相比传统无线传感器网络,移动群智感知具有覆盖范围更广、部署成本更低,灵活性更强等显著优势。目前,移动群智感知技术已在多个领域得到广泛应用,极大地便利了我们的日常生活。典型应用包括环境污染检测、噪声监测、城市道路交通监控以及医疗保健等。这些应用通过收集和分析用户上传的大量感知数据,为用户提供有价值的信息和服务,显著提升了公共服务和社会管理的效率。
可靠的移动群智感知应用的实现依赖足够的参与者和高质量的感知数据。由于用户的技能和努力程度各不相同,感知设备的异构性以及参与者行为的不确定性,导致不同用户的可信度和上传数据的质量差异显著,甚至产生相互矛盾的结果,严重影响移动群智感知服务的可靠性。现有的移动群智感知用户招募方法通常假设用户大多数是可靠的,或者已知用户的质量分布。然而在实际情况下,平台通常缺乏候选用户的先验信息,平台只能在用户上传数据之后根据其提交的数据质量进行信任评估。受限于有限的预算,平台无法对每个用户进行多轮测试以验证其质量。因此,平台面临一个关键挑战:如何在数据质量和招募成本之间实现平衡,挑选高质量的用户完成感知任务,即平台需要权衡是继续选择已知的高质量用户,还是探索质量未知的用户以期发现更优质的参与者。
实现思路