众包系统中真诚的重要性
人机交互
2014-12-01 v1 社会与信息网络
摘要
本文首次系统研究了众包系统的潜在性能增益，这些增益源于请求者所掌握的关于个体工作者真诚度（声誉）的可用信息。具体而言，我们首先将工作者声誉估计可用时的最优任务分配问题形式化为受拟阵约束的单调（次模）函数最大化问题。鉴于该最优问题是 NP 难的，我们提出了一种简单而高效的贪婪启发式任务分配算法。我们还提出了一种简单的“最大后验”决策规则。最后，我们测试并比较了不同的解决方案，表明系统性能可从关于工作者声誉的信息中大幅受益。我们的主要发现是：i) 即使是对工作者声誉的大致不准确估计，也能在任务分配中被有效利用以大幅提升系统性能；ii) 随着工作者声誉估计变得不准确，最大后验决策规则的性能迅速下降；iii) 当工作者声誉估计显著不准确时，最佳性能可通过结合我们提出的任务分配算法与文献中引入的 LRA 决策规则获得。
引用
@article{arxiv.1411.7960,
title = {The Importance of Being Earnest in Crowdsourcing Systems},
author = {Alberto Tarable and Alessandro Nordio and Emilio Leonardi and Marco Ajmone Marsan},
journal= {arXiv preprint arXiv:1411.7960},
year = {2014}
}
备注
To appear at Infocom 2015