-
题名移动群智感知中基于协同排序的任务推荐方法
被引量：9
- 1
-
-
作者
王健
刘嘉欣
赵国生
赵中楠
-
机构
哈尔滨理工大学计算机科学与技术学院
哈尔滨师范大学计算机科学与信息工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2021年第10期2012-2019,共8页
-
基金
国家自然科学基金(No.61403109,No.61202458)
高等学校博士学科点专项科研基金(No.20112303120007)
黑龙江省自然科学基金(No.LH2020F034)。
-
文摘
针对移动群智感知中参与者积极性不高导致的数据质量低和激励成本高的问题,本文提出了一种基于混合用户模型与列表级排序学习算法相结合的协同排序任务推荐方法.根据参与者的历史行为对其进行分析,初步过滤掉一些劣质感知用户,同时利用参与者间的相似性构建混合用户模型.利用概率矩阵分解对参与者的意愿值进行预测,并根据排序学习得到一个排序模型.根据排序模型生成任务推荐列表,作为目标参与者的优选任务列表.基于真实数据集的仿真实验结果表明,本文提出的方法有效地提高了任务分配的准确率,与此同时减少了感知用户的移动距离.
-
关键词
移动群智感知
任务推荐
协同排序
混合用户模型
参与者意愿
-
Keywords
mobile crowd sensing
task recommendation
collaborative ranking
user-hybrid model
participants'willingness
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于协同排序学习算法的移动群智感知任务推荐
- 2
-
-
作者
杜兆芳
-
机构
河南工业贸易职业学院信息工程学院
-
出处
《电子产品世界》
2023年第9期64-66,70,共4页
-
基金
河南工业贸易职业学院大数据教师教学创新团队项目(CXTD-2021004)。
-
文摘
为了解决移动群智感知(mobile crowd sensing,MCS)中候选者积极性不高导致数据质量低的问题,根据列表级排序(list-wise ranking,LWR)学习机制设计了一种基于混合模型(hybrid model,HM)与列表级排序算法相结合的排序任务推荐方法 HM-LWR,并在MATLAB平台上测试各项参数变化。研究结果表明:候选者人数的增加引起运行时间明显延长,HM-LWR与MSC都呈现相近的较小增幅;HM-LWR算法在分配期间的候选者达到了最高的积极性,获得了近97%的参与率。由此得出HM-LWR算法能够达到更高分配准确性、缩短分配时间、提升整体处理效率,在智慧城市领域具有很好的推广价值。
-
关键词
移动群智感知
任务推荐
协同排序
混合模型
候选者意愿
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名物联网移动群智感知任务协同排序推荐优化
- 3
-
-
作者
陈贵兰
-
机构
江苏联合职业技术学院淮安生物工程分院计算机工程系
-
出处
《电子产品世界》
2023年第10期25-28,共4页
-
文摘
为了提高移动群智感知(mobile crowd sensing,MCS)中的数据质量,设计了一种混合模型(hybrid model,HM)与列表级排序(list-wise ranking,LWR)相结合的推荐方法HM-LWR。研究结果表明:采用HM-LWR算法模型能够较精确地预测参与者的任务偏好情况,分配MCS任务时可以有效提升准确性与运算效率。得到最优参数指标:学习速率μ=0.01,正则化参数λ=0.01,迭代100次,相似度模型调控指标α=0.5。HM-LWR算法相较于MSC与LWR算法有明显提高,相较于高斯尺度混合(Gaussian scale mixtures,GSMs)算法则有小幅提升,达到了近96%的平均准确率。该研究有助于提高物联网移动群智感知能力,提高用户使用亲和度体验感。
-
关键词
移动群智感知
任务推荐
协同排序
混合模型
参与者意愿
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于HM与LWR算法的电子设备MCS推荐优化
- 4
-
-
作者
杨玲玲
-
机构
河南工业贸易职业学院信息工程学院
-
出处
《山西电子技术》
2024年第4期22-24,共3页
-
文摘
为了提高移动群智感知(Mobile Crowd Sensing, MCS)中数据质量,设计了一种基于混合模型(Hybrid Model, HM)与列表级排序(List-Wise Ranking, LWR)相结合的推荐方法HM-LWR。研究结果表明:确定最优参数指标为学习速率μ为0.01,迭代100次,α取值0.5。采用HM-LWR算法模型能够较精确预测得到参与者的任务偏好情况,分配MCS任务时可以有效提升准确性与运算效率。该研究有助于提高电子设备移动群感知能力,在智慧城市领域具有很好的推广价值。
-
关键词
移动群智感知
任务推荐
协同排序
混合模型
参与者意愿
-
Keywords
mobile crowd sensing
task recommendation
collaborative sorting
hybrid model
participant intention
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
