[发明专利]一种面向社交网络的基于信任的众包工人筛选方法

说明书

技术领域

本发明涉及众包工人筛选领域，特别是涉及一种面向社交网络的基于信任的众包工人筛选方法。

背景技术

众包是互联网环境下新兴的一种商业模式。简单地说，众包是任务需求者将计算机难以完成的任务发布到网络上，依靠大众智慧来完成的过程。然而，由于大量欺骗者类型工人的存在，众包工人的可信度一直以来都是众包领域的关键问题之一。欺骗者类型的众包工人为了快速获取完成任务所能得到的奖励，往往不会关注任务本身，不仅导致任务不能高质量完成，还会使任务需求者花费较高的时间和经济代价。相反，可信任的工人使得任务能够高质量完成，为任务需求者节省时间经济成本。因此，如何在众多众包工人中选择出可信任工人是众包领域所需要解决的首要问题。

现有众包工人的筛选方法主要侧重于对“欺骗者类型”工人的过滤。直接的方案是使用黄金标准数据（GoldStandardData）。黄金标准数据是指有着正确答案的问题，可以用来评价工人的可信任性。通过查看工人提交的答案，如果工人将此类问题回答错误，任务需求者则认为这个工人是不可信的，从而拒绝其完成任务。另外，一些质量控制机制通过对众包工人的可信度进行预测性分析，根据任务需求者设置的可信度标准，从而过滤掉可信度达不到标准的工人。

目前，关于众包工人选取的研究工作主要集中在传统众包平台上（比如亚马逊土耳其机器人（AmazonMechanicalTurk））。任务需求者将任务发布在众包平台上，等待众包工人来完成。这类众包模式的一个典型特征是任务需求者与众包工人之间没有社交关系，导致任务需求者只能被动地选择众包工人。然而，随着社交网络的普及（如Facebook、Twitter、微博等），社交网络具有用户众多、用户之间有社交关系以及根据用户分享的内容，便于推测其可信度等特点，将众包系统与社交网络相结合势必会产生更强大的众包平台。但是，现有的众包工人的筛选主要通过过滤欺骗者类型的工人，并且没有考虑语境信息。

发明内容

本发明主要解决的技术问题是提供一种面向社交网络的基于信任的众包工人筛选方法，具有可靠性能高、工作量少、计算准确、可信度高等优点，同时在众包工人筛选的应用及普及上有着广泛的市场前景。

为解决上述技术问题，本发明采用的一个技术方案是：

提供一种面向社交网络的基于信任的众包工人筛选方法，步骤包括：

（1）搭建语境社交网络框架G=(V,E,LV,LE)，其中，V是顶点集，E是边集，LV是相关定点属性，LE是相关边属性；所述相关定点属性包括个人影响力，所述相关边属性包括社会信任和社会亲密度；

（2）在语境社交网络中，构建强关联单元的子网，随机挑选出社交网络中的K个含有高数值的社会影响力的顶点作为种子节点，对于每个种子结点，采用深度优先遍历方法来寻找连接具有高数值社会影响因素的后继结点；所述强关联单元的每个顶点都连接着具有较大值的个人影响力，所述强关联单元的每条边都连接着具有较大值的社会亲密度和社会信任；

（3）对强关联单元做一个索引，所述索引包括连接索引和社会语境索引；

（4）设置用来作为社交工人信任度估量标准的信任质量的限制值，即设置社会信任、社会亲密度以及个人影响力三个社会影响因素的限制值；

（5）设置源点需求者为w1,目标工人表示为wm,且沿着从源点需求者到目标工人的社交路径的中间结点表示为w2，…，wm-1，并将社会信任、社会亲密度和个人影响力这3个的合成值分别设置为Tp(w1,...,wm)、rp(w1,...,wm)和ρp(w1,...,wm)；

（6）计算3个社会影响因素的合成值以及可用性函数：

（6.1）社会信任的合成值：沿着源点需求者到目标工人的社交信任路径，将所有中间结点之间的社会信任值相乘，其计算公式如下：

（1）

（6.2）社会亲密度的合成值：在一条社交路径中，社会亲密度会随着中间结点的增加而迅速减小，另外，在实际的社交网络中，当延伸到另一个顶点时，社会亲密度会下降得更快，即社会亲密度的减弱不是线性的，其合成值计算如下：

（2）

（6.3）个人影响力的合成值：因为在社交网络中，个人影响力不具有传递性，所以将所有中间结点的个人影响力值的平均值作为这条社交路径的个人影响合成值，其计算方式如下：

（3）

（6.4）设置一个作为沿着源点需求者到目标工人的社交路径的信任度的测量标准，即用来估计目标工人的信任度测量的可用性函数Q，其计算公式如下：

（4）