向谁提问？面向微博服务决策任务的陪审团选择
数据库
2012-08-02 v1
摘要
人们在微博服务中通过向他人提问决策性问题来获取知识的现象十分普遍。本文研究利用众包解决微博服务中决策任务的陪审团选择问题（Jury Selection Problem, JSP）。具体而言，该问题旨在有限预算下招募一部分众包用户，使其通过多数投票（Majority Voting）机制聚合后的智慧具有最低的出错概率（即陪审团错误率，Jury Error Rate, JER）。由于众包用户的个体错误率各不相同，JER 的计算并非易事。首先，我们明确指出 JER 是指错误陪审员数量超过陪审团总人数一半时的概率。为避免 JER 计算量的指数级增长，我们提出了两种高效算法和一种有效的边界界定技术。此外，我们研究了两种众包模型下的陪审团选择问题：一种是针对利他型用户（AltrM），另一种是针对需要额外报酬才能参与任务的激励型用户（PayM）。对于 AltrM 模型，我们证明了 JER 关于个体错误率的单调性，并提出了一种用于解决 JSP 的高效精确算法。对于 PayM 模型，我们证明了该模型下 JSP 的 NP 难性，并提出了一种基于贪心策略的高效启发式算法。最后，我们通过一系列实验探究了 JSP 的特性，并在合成数据和真实微博数据上验证了所提算法的效率与有效性。
引用
@article{arxiv.1208.0273,
title = {Whom to Ask? Jury Selection for Decision Making Tasks on Micro-blog Services},
author = {Caleb Chen Cao and Jieying She and Yongxin Tong and Lei Chen},
journal= {arXiv preprint arXiv:1208.0273},
year = {2012}
}
备注
VLDB2012