CrowdRec：众包环境中，基于信任感知的工人推荐

最新推荐文章于 2021-07-29 12:42:59 发布

慢行慢行

最新推荐文章于 2021-07-29 12:42:59 发布

阅读量1k

点赞数 1

分类专栏：众包文章标签：算法数据挖掘机器学习

本文链接：https://blog.csdn.net/qq_28303495/article/details/104127197

版权

本文介绍了CrowdRec，一种在众包环境中利用信任感知进行工作者推荐的系统。该系统旨在解决同质工人、不诚实行为、数据稀疏和冷启动问题。CrowdRec通过计算直接信任、修订相似性、信任强度，以及提出信任子网提取算法，提高了推荐的准确性和覆盖率。实验表明，CrowdRec在各种挑战下表现出色，优于传统的协同过滤和基于信任的推荐方法。

摘要由CSDN通过智能技术生成

引自

Ye B , Wang Y .CrowdRec: Trust-Aware Worker Recommendation in Crowdsourcing Environments[C]//2016 IEEE International Conference on Web Services (ICWS). IEEE, 2016.

摘要

在由请求者和工人组成的众包平台上，为请求者发布的人工智能任务（HIT）推荐合适的工人是一个挑战。合适的工人是为发布的HIT提交正确答案的概率很高的人。然而，有四个问题使得现有的方法在推荐合适的工人方面不太有效。首先，在大多数众包平台上，绝大多数员工都有良好的声誉，因此被视为具有同等机会被推荐的同质员工。其次，不诚实的员工可能会通过伪造良好声誉和夸大个人技能来获得推荐。此外，传统的数据稀疏和冷启动问题在众包环境中并存。

为了有效地区分同种类型的工作人员，我们最终计算工作人员在不同请求者发布的不同类型HIT中的表现。为了提高预测员工绩效的准确性，我们提出了一个指标，该指标分别考虑了两个请求者在与他们信任的普通员工进行交易和与他们不信任的普通员工进行交易时的相似性。然后，针对不诚实行为，提出了基于交易的信任模型。针对数据稀疏问题，提出了一种新的信任子网络提取算法（TSE），以发现更多的请求者，为生成建议提供值得信任的意见。最后，结合相似性度量、新的信任模型、新的信任子网提取算法和新的策略，提出了一种新的基于信任的员工推荐方法crowdrec。

关键字：众包；信任网络；员工推荐；协同过滤；