基于偏好与可靠性学习的众包任务推荐

参与众包平台的工人可能具备广泛的能力与兴趣。众包中的一个重要问题是任务推荐问题，即向特定工人推荐最契合其偏好与可靠性的任务。一种将更可能被工人接受、且该工人更可能可靠完成的任务进行分配的任务推荐方案，可为任务请求者带来更优表现。在无工人先验信息时，其偏好与可靠性需随时间学习。本文中，我们提出一种多臂老虎机（MAB）框架，以学习工人对各类任务的偏好及其可靠性。然而，不同于经典 MAB 问题，工人完成任务所带来的奖励不可观测。因此我们于任务推荐流程中引入黄金任务（即解已知且不产生任何奖励的任务）的使用。我们的模型可视为 MAB 的新变体：随机奖励仅能在使用黄金任务的时间步观测，且向工人推荐任务的期望奖励估计精度取决于所用黄金任务的数量。我们证明最优后悔界为 $O(\sqrt{n})$，其中 $n$ 为推荐给工人的任务数。我们开发了三种任务推荐策略以确定各类任务的黄金任务数量，并证明其具有序最优性。仿真验证了我们所提方法的效率。