【摘 要】
:
近年来,众包渐渐成为了一种新的商业模式。众包面向的群体比较广泛,参与到众包平台中的工作者背景知识,专业能力等各不相同,导致众包结果质量参差不齐。因此,质量控制成为众包研究领域的重要分支。目前的质量控制方法大多基于中心化平台,并不能保证完全可信,存在数据泄露,数据丢失等问题。此外,现在的众包平台的激励机制多采用固定定价的方式,这也导致了报酬的不合理分配。为了解决上述问题,本文提出了基于区块链的众包质
论文部分内容阅读
近年来,众包渐渐成为了一种新的商业模式。众包面向的群体比较广泛,参与到众包平台中的工作者背景知识,专业能力等各不相同,导致众包结果质量参差不齐。因此,质量控制成为众包研究领域的重要分支。目前的质量控制方法大多基于中心化平台,并不能保证完全可信,存在数据泄露,数据丢失等问题。此外,现在的众包平台的激励机制多采用固定定价的方式,这也导致了报酬的不合理分配。为了解决上述问题,本文提出了基于区块链的众包质量评估模型,将质量的评估权力既不交给请求者,也不交给工作者,从而避免双方作恶的情况。文中引入了区块链思想,实现一个去中心化的平台,利用区块链的防篡改特性,保证数据的安全,也能解决中心化平台数据丢失的问题。引入信誉机制,构建信誉模型,将准确客观反应用户行为特点的信誉值作为众包质量评估中筛选工人的一个基础。改进EM算法,解决EM算法初始值敏感问题,实现一种高准确率的众包质量评估方法,从而产生更接近真实值的评估结果。最后,根据质量评估结果,构建了一个基于完成质量的两阶段奖励机制,从而打破传统固定定价的激励方式,提供一种更合理、更透明的报酬分配方式。实验证明了改进后EM算法能够有效的提高众包结果的准确率。信誉机制能够促工人努力工作,提高高质量的众包结果。同时,能够把在区块链上执行智能合约的费用控制在合理的范围内。
其他文献
在互联网技术迅猛发展的背景下,用户画像技术被广泛应用于各个领域,其核心是通过对用户各类行为进行分析,从而将用户特征抽象为标签形式。本文以真实校园网络行为日志为基础,对校园网络用户画像进行了深入研究。针对校园网络行为日志对学生行为类别表述模糊的特点,本文提出了融合压缩DOM树结构向量的行为类别标签预测模型,通过融合网页文本特征向量和DOM树结构向量并使用分类器进行分类,实现了对学生浏览网页的类别预测
近年来,随着计算机技术的发展,隐蔽通信已经成为一个比较活跃的话题。在本研究中,我们通过利用数字音频水印技术来实现隐蔽通信。数字水印是一种有效的军事领域秘密通信的技术,可以解决传统加密中存在的问题。它是将具有特定含义的信息嵌入到原始信号中而不影响其正常使用的过程。在传输时只需要传输嵌入水印的信号即可。由于信号在传输过程中,可能会遭遇不同程度的有意或者无意的攻击,因此在嵌入水印时,水印算法需要满足一定
目标跟踪是计算机视觉的重要研究课题之一,广泛应用于智能视频监控、自动驾驶、智能交通、航空航天、虚拟现实等领域。近些年,目标跟踪领域飞速发展,其中基于相关滤波的目标跟踪方法引人注目。目前,基于相关滤波的目标跟踪方法经过几年的研究与发展,已经进入瓶颈期,仅仅凭借相关滤波似乎已经无法取得更好的效果。本文以相关滤波目标判别模块为基础,结合基于卡尔曼滤波的位置修正模块和基于交并比网络的边界框优化模块,提出了
随着移动互联网的兴起和大量图像的涌现,如何提炼图像中的价值备受关注,而视觉注意机制的研究可以帮助研究人员解决这一问题。图像视觉注意力的研究对应静态和动态注意力两个层面分别建立有空域显著图预测模型和时域扫描路径预测模型,但现有空时注意力算法还未有关注人类对图像发生注意时的人类情感,而美学情感是一种与视觉注意力息息相关的情感。因此,本文提出了基于美感的空时视觉注意力预测算法,分别对显著图预测和扫描路径
乳腺癌是常见的恶性肿瘤之一,在女性群体中有逐年增长的趋势。乳腺病理学图像在显微镜下特定区域内的有丝分裂细胞个数是乳腺癌分级的重要指标。现阶段的有丝分裂计数主要靠人工进行,这一过程不仅耗时间,而且对操作人员有很高的的专业要求。因此基于计算机视觉技术实现有丝分裂自动检测具有重要意义。本文针对乳腺病理图像中有丝分裂检测问题开展研究,主要工作如下:针对传统有丝分裂检测识别方法直接对原始RGB图像处理,易于
目前虚拟现实技术发展迅速,其中立体全景视频作为虚拟现实呈现的重要载体,能够提供给观看者无与伦比的沉浸感。然而立体全景视频的制作需要经历拍摄、拼接、投影、编解码等多个步骤,在这些过程中立体全景视频往往会受到各种失真因素的影响。为了保证立体全景视频呈现的最终质量,对立体全景视频进行质量评价具有重要的理论和现实意义。为了开展相关研究,本文建立了立体全景视频质量评价数据库。在考虑了立体全景视频的制作与播放
随着互联网技术与移动通信技术的快速发展,空前发达的信息化时代在丰富与方便了人们生活的同时,也带来了信息过载的问题。推荐系统,作为解决信息过载问题的有效方法,能够帮助用户进行信息过滤,并提供精确且有针对性的推荐服务,现已经被广泛的应用到电子商务、社交、影音娱乐等领域中。近些年有关网络表示学习技术的研究取得了突出成果,其对网络结构信息的表示能力为推荐算法的研究提供了新思路。本文以网络表示学习与推荐算法
基于深度学习的3D模型检索往往受限制于有限规模的已标注模型数据,因此现有算法泛化能力有限。域自适应算法可以在有标注域上学习域间共有的知识和模式,从而将其应用于无标注域数据,因此可以有效解决此类问题。本文通过将域自适应算法引入3D模型检索任务,提出了一种基于反向传播的域自适应3D模型检索算法,并基于该算法构建了一个高效的3D模型检索演示系统。通过对比实验,验证了算法的有效性和优越性。首先,通过将基于
人脸识别是指利用计算机系统对输入的人脸进行分析并比较其有效的特征信息来分辨被输入者身份的技术,其中处理人脸差异是人脸识别的关键所在。现有的人脸识别在受限环境下趋于成熟,然而在非受限环境下,人脸会受遮挡、光照、姿态等因素的影响出现差异性,降低人脸识别的性能。研究非受限环境下的人脸差异对人脸识别技术的应用具有重要的实用价值。本文针对非受限环境中的遮挡与姿态因素,通过结合生成对抗网络框架,提出了以下两种
随着智能城市的发展,车辆互联网(IoV)引起了研究者们的广泛关注。智能车辆可以通过多方合作组建车辆团队,在智慧城市中执行移动众包任务。如何组建车辆团队建立安全的模型以实现最大的社会福利,成为车辆移动众包活动中的巨大挑战。尽管目前的研究已经提出了一些移动众包模型,但是很少有人关注实时车辆团队合作。此外,交通压力带来的拥堵为人们生活带来不便的同时也带来了机遇,闲时团队资源的有效利用成为研究者们一个新兴