知识密集型众包中的优化
数据库
2014-01-08 v1 社会与信息网络
摘要
我们提出了 SmartCrowd，一个用于优化协作型知识密集型众包的框架。SmartCrowd 的独特之处在于其在向工人分配任务的过程中考虑了人为因素。人为因素指工人在不同技能方面的专业知识、预期最低工资以及可用性。在 SmartCrowd 中，我们将任务分配表述为一个优化问题，并依赖于对工人进行预索引以及自适应地维护这些索引，从而使任务分配过程在质量和计算时间两方面都得到优化。我们对该优化问题进行了严格的理论分析，并提出了最优算法和近似算法。最后，我们利用真实数据和合成数据进行了广泛的性能和质量实验，以证明 SmartCrowd 中的自适应索引对于实现高效高质量的任务分配是必要的。
引用
@article{arxiv.1401.1302,
title = {Optimization in Knowledge-Intensive Crowdsourcing},
author = {Senjuti Basu Roy and Ioanna Lykourentzou and Saravanan Thirumuruganathan and Sihem Amer-Yahia and Gautam Das},
journal= {arXiv preprint arXiv:1401.1302},
year = {2014}
}
备注
12 pages