项目名称: 参与式感知系统中基于众包的动态群组构造方法研究

项目编号: No.61272529

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 于瑞云

作者单位: 东北大学

项目金额: 81万元

中文摘要: 参与式感知技术及其众包应用在公众健康、环境保护、社会生活等诸多领域都有着广阔的发展前景。本项目对参与式感知系统中基于众包的动态群组构造算法开展研究,首先根据参与式感知应用的特点提出三种众包模型,并且针对不同众包模型研究动态群组构造方法;研究参与式感知系统的移动性、社会特征和机会特征对群组构造的影响,以及在机会连接的背景下构造群组的方法;设计有效的用户声望评估模型,基于用户声望值进行可信群组构造;结合感知数据(或任务)类型、用户声望、用户档案上下文等要素设计用户激励策略,运用动态定价博弈方法进行群组构造。最后将构建一个由100个智能手机和100个传感器节点组成的参与式感知实验系统,并在实验系统上对设计的相关算法进行有效性验证和性能评价。

中文关键词: 参与式感知;群组构造;用户激励;隐私保护;

英文摘要: Participatory sensing technology and crowdsourcing applications have great potentials in areas of healthcare, enviroment protection, social life, etc.This project addresses crowdsourcing-based dynamic community creation approaches in participatory sensing systems.Three crowdsourcing models for participatory sensing were first proposed according to specific types of crowdsourcing applications. Community creation approaches will be developed based on each crowdsourcing model.The impacts of node mobiliy,social and opportunistic features on community creation are focused, and community creation schemes under opportunistic enviroment will be proposed as well. An efficient user reputation evaluation model is to be designed, which is further exploited in trustful community creation.User incentive polocies will be investigated based on data (or task) types, user reputation,and user profiles, and dynamic pricing gaming will be considered in community creation.Finally,we will build a participatory sensing experiment system with 100 smart phones and 100 sensor nodes for algorithm validation and performance evaluation.

英文关键词: participatory sensing;community creation;user incentive;privacy protection;

成为VIP会员查看完整内容
0

相关内容

个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
43+阅读 · 2021年10月20日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
61+阅读 · 2021年4月22日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
47+阅读 · 2020年10月20日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
专知会员服务
30+阅读 · 2020年5月20日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
个性化学习推荐研究综述
专知
2+阅读 · 2022年2月2日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
技术动态 | 多模态知识图谱
开放知识图谱
37+阅读 · 2020年8月5日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
支持个性化学习的行为大数据可视化研究
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
43+阅读 · 2021年10月20日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
61+阅读 · 2021年4月22日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
47+阅读 · 2020年10月20日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
专知会员服务
30+阅读 · 2020年5月20日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
个性化学习推荐研究综述
专知
2+阅读 · 2022年2月2日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
技术动态 | 多模态知识图谱
开放知识图谱
37+阅读 · 2020年8月5日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
支持个性化学习的行为大数据可视化研究
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员