文献

J-GLOBAL ID：201902275747292564   整理番号：19A0517321

クラウド消費システムにおけるastroturfのための細粒度推薦機構【JST・京大機械翻訳】

Fine-Grained Recommendation Mechanism to Curb Astroturfing in Crowdsourcing Systems

著者 (7件)： Guo Zhiwei (College of Communication Engineering, Chongqing University, Chongqing, China) ,  Tang Chaowei (College of Communication Engineering, Chongqing University, Chongqing, China) ,  Niu Wenjia (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing, China) ,  Fu Yunqing (College of Software, Chongqing University, Chongqing, China) ,  Wu Tong (Tsinghua University, Beijing, China) ,  Xia Haiyang (School of Computer Science, Xi’an Shiyou University, Xi’an, China) ,  Tang Hui (College of Communication Engineering, Chongqing University, Chongqing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 15529-15541  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 群衆活動は,群衆のウィスドームを介して大規模なタスクを実行し,実際に広く使われている。しかし,ユーザがそれらに適したタスクを見つけることは困難である。このため,多くのユーザがタスクに参加し,それらは関心のあるものやないものではなく,適切に,またはランダムに回答を与える。この現象は,crow消費システムにおける重いastrotur問題を引き起こし,それは,完成タスクの品質を損なうだけでなく,ユーザ経験にも影響を及ぼす。したがって,ユーザとタスクの間のマッチを最適化できる推薦機構は,要求されている。しかし,既存の研究は,推薦のためのキールールとしてユーザの専門知識レベルまたは関心度を簡単に採用している。それらは,興味と専門知識が共同的に機能するという事実を無視し,興味がある場合には専門知識に対する反応力を発揮することがある。さらに,以前の研究は,ユーザの関心度が定常であると仮定しているが,実際の世界では静的ではなく,それが時変であることを無視している。本論文において,著者らは,astro消費システムのための統合的専門知識共同認識を通して,astrotur問題を抑制するために,IntexCrowd,細粒化推薦機構を提案した。最初に,IntexCrowdは各タスクに対するトピックを割り当てる。次に,タスクの歴史的記録に従って,ユーザの関心度と同様にトピック固有の専門知識レベルを推定した。最後に,トピック特定タスクのための適切なユーザリストを推奨結果として提案した。そして,IntexCrowdの妥当性を確認するための事例研究と一連の実験を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *粉化 ,  事例研究 ,  鋳物 ,  品質 ,  最適化
準シソーラス用語： 専門知識 ,  細粒度 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： クラウド ,  消費 ,  細粒度 ,  推薦