論文の概要: Low Complexity Recruitment for Collaborative Mobile Crowdsourcing Using
Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2106.00717v1
- Date: Tue, 1 Jun 2021 18:24:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-05 11:06:09.673021
- Title: Low Complexity Recruitment for Collaborative Mobile Crowdsourcing Using
Graph Neural Networks
- Title（参考訳）: グラフニューラルネットワークを用いた協調的モバイルクラウドソーシングのための低複雑性リクルート
- Authors: Aymen Hamrouni, Hakim Ghazzai, Turki Alelyani, Yehia Massoud
- Abstract要約: コラボレーティブ・モバイル・クラウドソーシング(CMCS、Collaborative Mobile crowdsourcing)は、例えば地方自治体や個人が、インターネットに接続された人々の群衆から労働者のチームを雇うことを可能にする。
本稿では,2つのCMCS採用戦略について検討し,課題依頼者が社会的に結びついた,熟練した労働者のチームを構成できるようにする。
- 参考スコア（独自算出の注目度）: 2.798697306330988
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Collaborative Mobile crowdsourcing (CMCS) allows entities, e.g., local
authorities or individuals, to hire a team of workers from the crowd of
connected people, to execute complex tasks. In this paper, we investigate two
different CMCS recruitment strategies allowing task requesters to form teams of
socially connected and skilled workers: i) a platform-based strategy where the
platform exploits its own knowledge about the workers to form a team and ii) a
leader-based strategy where the platform designates a group leader that
recruits its own suitable team given its own knowledge about its Social Network
(SN) neighbors. We first formulate the recruitment as an Integer Linear Program
(ILP) that optimally forms teams according to four fuzzy-logic-based criteria:
level of expertise, social relationship strength, recruitment cost, and
recruiter's confidence level. To cope with NP-hardness, we design a novel
low-complexity CMCS recruitment approach relying on Graph Neural Networks
(GNNs), specifically graph embedding and clustering techniques, to shrink the
workers' search space and afterwards, exploiting a meta-heuristic genetic
algorithm to select appropriate workers. Simulation results applied on a
real-world dataset illustrate the performance of both proposed CMCS recruitment
approaches. It is shown that our proposed low-complexity GNN-based recruitment
algorithm achieves close performances to those of the baseline ILP with
significant computational time saving and ability to operate on large-scale
mobile crowdsourcing platforms. It is also shown that compared to the
leader-based strategy, the platform-based strategy recruits a more skilled team
but with lower SN relationships and higher cost.
- Abstract（参考訳）: コラボレーティブ・モバイル・クラウドソーシング(CMCS、Collaborative Mobile crowdsourcing)は、例えば地方自治体や個人が、接続された人々の群衆から労働者のチームを雇い、複雑なタスクを実行することを可能にする。
本稿では,タスク依頼者がソーシャル・コネクテッドで熟練した労働者のチームを作るための2つの異なるCMCS採用戦略について検討する。つまり,プラットフォームが作業員に関する自身の知識を活用してチームを編成するプラットフォームベースの戦略と,プラットフォームが自身のソーシャル・ネットワーク(SN)隣人について独自の知識を持つ適切なチームを採用するグループリーダーを指定するリーダベースの戦略である。
Integer Linear Program (ILP) として採用を定式化し、4つのファジィ論理に基づく基準(専門知識レベル、社会的関係の強さ、採用コスト、採用者の信頼度レベル)に従ってチームを最適に形成する。
NP硬度に対処するため,グラフニューラルネットワーク(GNN)を利用した新しい低複雑さCMCS採用手法を設計し,特にグラフ埋め込みとクラスタリング技術を用いて,作業者の検索空間を縮小し,その後,適切な作業者を選択するためにメタヒューリスティックな遺伝的アルゴリズムを活用する。
実世界のデータセットに適用したシミュレーション結果から,CMCS採用手法の有効性が示された。
提案手法は,大規模モバイルクラウドソーシングプラットフォーム上での計算時間削減と運用能力により,ベースライン型IPPと比較して高い性能を達成できることが示唆された。
また、リーダーベースの戦略と比較して、プラットフォームベースの戦略はより熟練したチームを採用するが、SN関係は低く、コストも高い。
関連論文リスト
- Enhancing Worker Recruitment in Collaborative Mobile Crowdsourcing: A Graph Neural Network Trust Evaluation Approach [7.883218966932225]
CMCS(Collaborative Mobile Crowdsourcing)は、複雑なセンシングタスクを協調的に実行するワーカーチームを募集するプラットフォームである。
本稿では,ソーシャルネットワークにおける全作業者の非対称信頼度を求めるために,信頼強化評価フレームワーク(TREF)を提案する。
論文 参考訳（メタデータ） (2023-06-07T11:59:45Z) - A Reinforcement Learning-assisted Genetic Programming Algorithm for Team
Formation Problem Considering Person-Job Matching [70.28786574064694]
解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。
効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
論文 参考訳（メタデータ） (2023-04-08T14:32:12Z) - MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion
Control in Real Networks [63.24965775030673]
そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。
我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。
我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
論文 参考訳（メタデータ） (2023-02-02T18:27:20Z) - GENIUS: A Novel Solution for Subteam Replacement with Clustering-based
Graph Neural Network [34.510076775330795]
サブチーム置換は、メンバーの非利用可能なサブセットとして最も機能できる人々の最適な候補セットを見つけるために定義される。
本稿では,新しいクラスタリングベースのグラフニューラルネットワーク(GNN)フレームワークであるGENIUSを提案する。
論文 参考訳（メタデータ） (2022-11-08T09:02:59Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳（メタデータ） (2022-11-02T01:42:20Z) - Learning Connectivity-Maximizing Network Configurations [123.01665966032014]
本稿では、専門家からコミュニケーションエージェントを配置することを学ぶ畳み込みニューラルネットワーク(CNN)を用いた教師あり学習手法を提案する。
我々は,標準ライントポロジやリングトポロジ,ランダムに生成された105万件のテストケース,トレーニング中に見えない大規模なチームについて,CNNのパフォーマンスを実証した。
トレーニング後,本システムは10～20名のエージェントの最適化手法よりも2桁高速な接続構成を生成する。
論文 参考訳（メタデータ） (2021-12-14T18:59:01Z) - Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。
当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。
我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
論文 参考訳（メタデータ） (2021-03-08T21:48:55Z) - Decentralized Reinforcement Learning: Global Decision-Making via Local
Economic Transactions [80.49176924360499]
我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。
我々は分散強化学習アルゴリズムのクラスを導出する。
我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
論文 参考訳（メタデータ） (2020-07-05T16:41:09Z) - A Stochastic Team Formation Approach for Collaborative Mobile
Crowdsourcing [1.4209473797379666]
我々は,SN隣人に関する労働者の知識を活用するアルゴリズムを開発し,特定のリーダーに適切なチームを募集するよう依頼する。
提案アルゴリズムは最適な停止戦略から着想を得て,オッズアルゴリズムを用いて出力を算出する。
実験結果から, ベンチマーク指数最適解と比較して, 提案手法は時間を短縮し, 妥当な性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-04-28T22:44:37Z) - Optimal Team Recruitment Strategies for Collaborative Mobile
Crowdsourcing Systems [1.4209473797379666]
協調的なモバイルクラウドソーシングフレームワークのための2つの採用戦略を開発する。
最初の提案された戦略は、プラットフォームの知識を活用してチームを形成するプラットフォームベースのアプローチである。
第2のアプローチは、チームメンバのソーシャルネットワーク(SN)隣人に関する知識を使用して、適切なチームを募集するグループリーダを指定する、リーダベースのアプローチである。
論文 参考訳（メタデータ） (2020-04-24T02:38:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。