基于协同排序学习算法的移动群智感知任务推荐

作者：杜兆芳

来源：电子产品世界, 2023, 30(09): 64-70.

• 移动群智感知
• 任务推荐
• 协同排序
• 混合模型
• 候选者意愿

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。

• 出版日期2023
• 单位河南工业贸易职业学院