“拍照賺錢”任務的打包定價問題

苗剛瑞

摘 要：華北理工大學數學建模創新實驗室1 華北理工大學以升創新教育基地2 華北理工大學信息工程學院3華北理工大學理學院4 河北省唐山市 063210

關鍵詞：勞務眾包任務定價；模糊神經網絡模型；回歸方程；任務完成率；

0 引言

伴隨著網絡眾包平臺的興起，“拍查和信息搜集，相比傳統的市場調查方式可以大大節省調查成本，而且有效地保照賺錢”是移動互聯網下的一種自助式服務模式。用戶下載APP，注冊成為APP的會員，然后從APP上領取需要拍照的任務（比如上超市去檢查某種商品的上架情況），賺取APP對任務所標定的酬金。這種基于移動互聯網的自助式勞務眾包平臺，為企業提供各種商業檢證了調查數據真實性，縮短了調查的周期。因此APP成為該平臺運行的核心，而APP中的任務定價又是其核心要素。如果定價不合理，有的任務就會無人問津，而導致商品檢查的失敗。

由于在不同的地域，多個任務可能因為位置比較集中，導致用戶會爭相選擇，一種考慮是將這些任務聯合在一起打包發布?；诖耍疚慕⒒谏窠浘W絡模型的任務打包分配方法，模擬在一個包內裝有不同任務數量，然后將此任務包絡分配給一個用戶，分析任務的完成情況。研究不同任務包內任務數量與任務完成情況的關系，為眾包平臺提供更優的定價策略。

1 基于模糊神經網絡的任務打包定價模型

1.1 任務打包方案

如果任務比較集中，而會員也在此區域內比較集中，則在該區域中，會員會爭相選擇任務，可能導致惡意搶奪，進而造成任務完成率低，于是，可以考慮一種將任務聯合打包發布的方案，即將若干個任務捆綁，交由一個用戶完成。

由于任務點相距不是很遠，可以將鄰近的任務點打包，在此通過繪制附件一中任務點分布的散點圖選取100個任務點中心，將任務中心點方圓16km的任務點進行打包，作為一個任務包發布，而任務執行人則根據會員得到任務發布情況時間的早晚、會員與任務點之間的距離、會員信譽度、限額情況等進行綜合考量得到最終結果。

1.2 模糊神經網絡模型的建立與求解

用非線性預測的神經網絡通常為反傳神經模型（BP模型），該模型選用基本3層拓撲結構，即輸入層、隱含層和輸出層，其中輸入層為7個節點，分別代表影響任務價格的7個相關因素，輸出層有一個節點去構建和模型的關系，中間層各神經元之間互相不連接，而相鄰層的神經元則通過權重連接。

神經網絡的學習過程可分為兩個階段：第一階段是按向前的傳播方向，從輸入層到隱含層直到輸出層，可以得到各神經元的輸入值，最后得到輸出層的輸出值。第二階段按照與階段一反向的傳播方向，即根據輸出層的實際輸出和期望輸出之間的誤差，調整節點之間的連接權值，最終使誤差取到最小值。

具體步驟如下所示：

step 1：初始化

根據APP平臺的利潤最大化目標，對輸入層與價格相關的因素按重要性排序，分別給輸入層到隱含層的單位連接權值qij，隱含層到輸出層的連接權值wij，隱含層單元閥值Qi和輸出層單元閥值Rj為[-1，1]的隨機值。

step 2：計算

選取激活函數sigmoid函數f（x）=1/1+e-X，計算隱含層單位激活值bj=f（∑qijai+Qj），計算輸出層單元激活值：ck=f（∑qijbj+Rk），計算誤差函數Ek=∑（Mk-Ck）2/2。

step 3：調整

（1）調整隱含層到輸出層單元之間的單元連接權值：△wjk=abjdk其中α為學習率，0<α<1。

（2）調整輸出層單元的閥值：△Rk=αdk。

（3）調整輸入層到隱含層的連接權值：△Vjk=βαiej，其中β為學習率，0<β<1。

（4）調整隱含單元閥值：△Qj=βej。

step 4：預測

計算全局誤差E=∑Ek，如果E≥ε，則重復進行step2，step3，否則學習結束。在系統中輸入預測對象，則系統聯結到相應的數據庫、模型庫知識庫中，并利用調出的神經網絡權值數據庫進行預測，預測結果通過動態報表表現出來。

1.3 任務包定價回歸方程模型

將任務打包，即將若干個任務捆綁發布，使得原本需要分配給多個會員的任務均由同一個會員完成，打包后的任務包定價會略低于未打包時的單個定價之和。

當任務包內的任務數量一定時，通過上述函數關系得到的定價與通過模糊神經網絡所建立的模型得到的定價相近，因此，可以說明本問建立的模型具有一定的合理性，可以用以打包任務的定價。

1.4 打包方案對任務完成情況的影響

通過與原方案的完成率進行對比，可知任務打包發布能提高任務完成率，即對任務完成情況有積極影響。同時，用戶完成同樣件數任務的總酬金較之前有所降低，但其單次得到的酬金大大增加，有利于提升用戶積極性，對任務完成率的提高有一定的積極影響。

2 結論

拍照賺錢在實際情況下，多個任務可能因為位置比較集中，導致用戶會爭相選擇，一種考慮是將這些任務聯合在一起打包發布。在這種考慮下，我們運用BP神經網絡算法修改前面的定價模型，通過與原方案的完成率進行對比，可知在新的定價模型能提高任務完成率，即對任務完成情況有積極影響。同時，用戶完成同樣件數任務的總酬金較之前有所降低，但其單次得到的酬金大大增加，有利于提升用戶積極性，對任務完成率的提高有一定的積極影響。

參考文獻 （References）

[1]吳孟達. 數學建模教程[M]. 高等教育出版社， 2011.

[2]韓中庚. 數學建模方法及其應用[M]. 高等教育出版社， 2005.

[3]李曉忠. 模糊神經網絡[D]. 北京師范大學， 1991.

[4]張啟銳. 實用回歸分析[M]. 地質出版社， 1988.

[5]孫增圻， 徐紅兵. 基于T-S模型的模糊神經網絡[J]. 清華大學學報（自然科學版）， 1997（3）：76-80.endprint