社会网络中复杂任务的群智协调众包

【原文： 蒋嶷川 　蒋玖川社会网络中复杂任务的群智协调众包,载于2018年11月出版的“中国计算机学会通讯”第14卷第11期】

         2018年11月，东南大学的蒋嶷川和南洋理工大学的蒋玖川在“中国计算机学会通讯”期刊第14卷第11期发表了题为《社会网络中复杂任务的群智协调众包》的文章。针对复杂任务的众包中很多任务发布者不具备良好的任务分解能力和工人间因独立开发出现不兼容问题的情况，文章提出了一种新的社会网络中面向复杂任务的群智协同众包方式，旨在让工人间互相协作完成，不需要分解复杂任务，其核心在于有效地利用社会网络中的工人间的协作和群集智能，更好地完成复杂任务。

1. 文中所提方式与传统方式的比较

        文章指出，传统基于分解的复杂任务众包模式依靠于任务分解，并没有利用好工人间的协作和群集智能，因此，这种方式的性能较低。分解必须要满足一定的条件：（1）工人工资不得超出预算；（2）工人们具备的技能必须满足任务需求。而基于社会网络的复杂任务群智协同众包模型利用工人群体的协作和群集智能来完成任务，从而使任务的完成度、效率和人员分配情况都得到了提升。

2. 基于社会网络的复杂任务群智协同众包模型概述

        文章从感知社会网络情境、社会网络中群组和批量任务的分布式团队形成机制三个方向阐述了以基于社会网络的复杂任务群智协同众包模型。

        在感知社会网络情境的可靠群智协同众包模型中，工人被分配任务的概率与工人本身和其社会网络的其他工人有关。在该模型中，分配任务的工人会与其社会网络的其他工人进行协作，这样的协商过程是一个基于广度优先遍历的过程（如图1所示）。

图1 基于社会网络情境的协作过程

        由于工人们一般都属于一定的群组，因此，在面向社会网络中群组的群智协同众包模型中，针对的对象是工人群组。工人群组被分配任务的概率与群组的工人、群组的工人间关系和群组间关系有关。群组被分配任务后，挑选工人的过程如图2所示，即每次都挑选群组中具有最高分配概率的工人。

图2　群组中挑选工人的过程

        面向批量任务的分布式团队形成机制的提出是为了面向多批量任务和去除任务发布者中心控制。文章通过分析一些著名的众包网站（Upwork、Freelancer）上的大量数据，发现这些任务数据具有同种类相似性高和工人们分配任务数量少的特点。因此，在面向批量任务的分布式团队形成机制中，使用固定团队或者动态调整团队的方法处理批量任务。在文末，文章作者指出未来可以基于多Agent技术研究社会网络中的群智协同众包。

3.个人心得

        在研读完这篇论文后，让我对众包有了新的认识，虽然之前有粗浅了解过众包，但是没有深入了解这方面的知识，只停留在分解任务的层面。在未来的学习和工作中，也会将在这次研读学习到的方法应用于实践。

（引用说明：文中所有的数据和图片均源自《社会网络中复杂任务的群智协调众包》）

     撰稿：陈嘉涛

     审稿：丁美荣