优化实时众包的分析方法

实时众包研究表明，通过管理一个小型、快速反应的工人池，可以在几秒钟内招募到付费人群。实时人群使得能够以交互速度响应的众包系统成为可能：例如，相机、机器人和即时民意调查。到目前为止，这些技术主要是概念验证原型：研究尚未尝试理解它们如何在大型规模下工作或优化其成本/性能权衡。在本文中，我们使用排队论分析实时众包的保留模型，特别是其预期等待时间和请求者的成本。我们提供了一种算法，允许请求者在满足性能要求的情况下最小化成本。然后，我们提出并分析了三种改进性能的技术：推送通知、共享保留池和预招募，即在任务实际到达之前召回保留工人。实验验证发现，预招募的工人在任务发布后500毫秒开始任务，在最终用户保持心流状态的一秒认知阈值以下提供结果。