英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
2013 IEEE 传感器系统的分布式计算国际会议
一种基于信任招募框架的
多跳社交式参与式感知
Haleh Amintoosi, Salil S.Kanhere 计算机科学与工程学院
澳大利亚新南威尔士大学 {haleha,salilk}@cse.unsw.edu.au
摘要：
社会参与式感知的思想提供了一种模式，受益于友谊关系得以招募大量愿意参加感知活动的参与者。然而，如何选择合适的、可信赖的、并且能够提供高质量贡献的参与者仍然是一项挑战。在本文中，我们提出一种社交式参与式感知的招募框架。我们的框架利用多跳的友谊关系在朋友或朋友的朋友之间来识别和选择合适的且值得信赖的参与者，并找出最可靠的识别方法。此框架还包括一个建议组件，其提供一组推荐的朋友以及路径,可进一步用于招聘或建立友谊。仿真结果证明我们提出的招聘框架与单跳招聘架构相比，在选择大量非常合适的参与者并提供更高的整体贡献度上，具有更好的效果。
关键词：社交式参与式感知；信任；在线社交网络；参与式感知
I．绪论
近来智能手机技术有了巨大的改进，特别是在感应能力上，这导致了新的传感模式的出现，被称为参与式感知[1]。参与式感知应用程序背后的主要思想是普通民众的参与，他们通过移动电话来收集传感器数据。这个革命性的范式已经被实际地应用于从个人健康[2]，[3]和消费商品的价格[4]到环境监测比如路面状况[5]和噪音污染[6]的检测等范围获取信息。
为了使参与式感知活动能获得成功，存在着许多应妥善解决的挑战。第一个挑战就是在可能没有明确激励的情况下招募足够的参与者。第二个挑战是参与者参加需要特定的技能或知识的活动(如给某稀有植物物种照相)[7]的适用性。第三个挑战是由于参与式感知的开放性质[8]所导致贡献数据的可信赖性。
为了有全面的方法应对这些挑战，一个提议的想法是利用在线社交网络作为参与式感知应用程序的底层基础设施[9]。由此产生的使用友谊关系来识别和招募参与者的模式，被称为社会参与式感知。
在我们以前的工作中[10]，我们提出了一个社会参与式感知系统的框架解决了评估贡献可靠性的挑战。在这个框架中，单跳朋友被选为参与者，通过将参与者的贡献质量和可信度作为两个重要的方面来考虑，计算每个贡献的可信度。然后使用模糊逻辑结合这两个方面得出每个贡献的可信度得分，以此作为一个度量来选择可靠的贡献。
利用直接朋友关系为参与式感知收集数据是有益的，因为朋友通常倾向于对他们的朋友做有用的是事。然而，在缺乏足够的友谊关系下，选择足够的参与者仍然存在的挑战。考虑下这种情况，请求者几乎没有朋友，并且不是他所有朋友都参加的感知活动。或者这种情况，一个人有几个朋友，但只有少数可以贡献数据。在这些情况下，由于缺乏足够的贡献，推导出信息的有效性就成为一个大问题。换句话说，使用单跳的招募方法，由于参与者的直接朋友圈的限制，使得参与者的选择面临着潜在局限。这种局限性将导致额外的数据来源获取的限制。
这种招募方法的一种更深的扩展是通过社交图，来招募朋友的朋友(FoFs)参加在感知活动。这种多跳的招募方法提供了额外的价值，如通过朋友的友谊网，可获得一大群参与者的宝贵资源。它也增加了获得具有杰出的能力，能够提供新的视角，并提供可靠的贡献的合适参与者的可能性。
然而，开发一种多跳的招募策略，也带来了许多问题。第一个问题是谁应该招募？一种简单的方法是将任务广播给所有的朋友和朋友的朋友。在这种情况下，所有的朋友和朋友的朋友只要接收任务就能够参加感知的活动。然而，在多跳的招聘情况，由于在网络传输上要有相当大的时间开销，使得这种任务洪流的方式是不合理的。另一种方法是在招募方法上添加一个预选的过程，负责遍历请求者的社交图(指定的级别)和确定合适的参与者，即在一个可接受的范围内，那些能够满足任务的要求的参与者。判断合适程度的一个指标是参与者在过去的一系列感知活动的表现。参与者在一些需要特定的知识或技能的任务中的可信任贡献，表示了他未来在类似的任务中被招募的合适度。同样的，参与者如果总是及时采取行动，这将使他们成为参加实时任务的合适候选人。在今后的活动中，应提取并使用这些有价值的信息。
多跳招募的另一个问题是如何招募参与者？当合适的参与者被选定时，任务应该通过遍历社会关系链，从请求者传递给参与者。对于选定的参与者，可能有一个以上的路线传递给他们。在这种情况下，需要从最可信赖的路径传递任务,以确保任务的内容和要求没有被改变。
因为招募程序被每一个感知活动执行，一个可以考虑的地方是，是否设置一些推荐参与者被用来以后的活动招募。事实上，有时一个参与者在一系列的相关活动中提供了高度可信赖的贡献。例如，他在一系列需要高的相关专业知识的任务中，如拍摄稀有植物物种，提供了令人满意的贡献。在这种情况下，为将来的招募活动，把他加入到建议列表中是有益的。
在本论文中，为了完全解决上述问题，我们为社会参与式感知系统提出了一个以信任为基础的招募框架。我们的招募框架有四个主要组件:第一个组件，叫做参与者选择，在感知活动中，利用多跳的友谊关系，以涉及朋友的朋友，来确定合适的候选人。第二部分，称为路线选择，确定最值得信赖的路线来选择参与者。一旦合适的参与者被招募，第三个组件，信任服务，评估选择参与者的贡献并且给出一个反映贡献质量的信任分数。第四个组件，叫做建议组件，为请求者提供了一个连接建议列表，其中包含一组在先前的活动中有可信赖行为并且适合作为将来感知活动招募候选人的参与者。
论文的其余部分组织如下。第二节讨论了相关的工作。我们提出的框架的细节将在第三节进行说明。第四节则进行了仿真结果的讨论，最后，第五节总结了整篇论文。
II．相关工作
据我们所知，以之前相关的研究来说，在社会参与式感知中参与者的招募问题还没有得到解决。因此，我们讨论相关的研究侧重于在参与式感知和众包中的招募问题。一个典型的招聘框架需要能接收任务要求并提供给请求者一列适合的参与者。任务的要求可能包括各种因素，包括任务期限，数据采集的位置，移动设备的传感能力和所需的专业知识。
确定合适的参与者的过程通常是考虑一些参数，如可用性，声誉和专业知识，如下面所述。
A．基于可用性的招募
对于大多数参与感测的应用程序，参与者在地理和时间覆盖的感测区域内的可用性是十分重要的。例如，在噪声地图感测运动，招募参与者定期通过感测区域是必要的要求，并且要覆盖尽可能多的区域。[7] 提出了一个招聘框架的参与式感知系统，其目标是基于一些参数，如地理和时间的可用性来确定合适的参与者。在之前的一段时间内，系统收集了参与者的位置轨迹，这可以代表他们的行为特点。位置轨迹被资格组件使用，来选择满足任务最小范围要求的参与者。一旦参与者被选定，评估组件会识别参与者最大活动范围与特定任务区域的子集。这些参与者一旦被招募，并开始产生感知数据。在活动过程中，进度审查组件会定期监测参与者的覆盖率和可用性，看看是否与任务要求保持一致。
[11] 还为机会感知提出了一种分布式的招聘和数据采集框架。招聘组件利用用户行为的适用性和历史信息的移动性，它只招募在感测活动发生时，有可能在传感区域的节点。作为一个分布式的招聘框架，一组招聘节点在活动发起之前访问感知器区域，然后发布招聘信息。为了将收集的传感器数据传递给请求者，一组被称为数据接收器的节点被使用并且参与节点伺机利用无线自组织网络交汇暂时部署在检测区域的数据接收器。
B．基于声誉的招聘
跟踪参与已经广泛地被互联网企业委托来进行工作，如亚马逊的机器人Turk [ 12 ]和Guru.com[ 13 ]，能追踪请求者和员工绩效并记录详细的统计数据。此外，拍卖系统如易趣的交易评级机制，帮助评估一个特定的参与者是否值得信赖[ 14 ]。
将范围缩小到参与式感知，[ 15 ]的作者提出了一组参与感知的声誉指标并将其两组：交叉活动指标，如之前参与的活动数量和参与的成功与否，和活动规范的指标如时效性、关联性和感知数据的质量。然而，在[ 7 ]中，他们用有限的声誉指标来考虑参与者的意愿（给定的机会，收集的数据）和收集样本的勤奋度（及时性，相关性和数据质量）。
[ 16 ]提出了一个基于声誉的框架，使用测试版的声誉指标[ 17 ]为在无线传感器网络中的每一个感知节点分配一个声誉分数。测试版的声誉机制具有简单的更新规则，以及易于集成化。然而，它在惩罚低质量贡献的用户方面是不积极的。在[ 8 ]中提出了一个参与式感知的声誉框架。一个看门狗模块根据每个设备短期的行为来为其计算一个共同的评级，并将其输入到信誉模块中，再利用Gompertz函数建立一个长期的声誉得分。
C．基于专业知识的招聘
基于专业知识的招聘工作包括一些对于给定主题有相关的专业知识或经验的鉴定人员。在社交网络中寻找专业性人员已经被深入的研究了。[ 18 ]为专业性人员的找寻开发出了一种以社会关系和内容为基础的贝叶斯层次模型。该模型假定候选人之间专业知识的相似性决定了其社会联系。[ 19 ]提出了一种基于传播方式的在社交网络中找到专家的方法。该方法包括2个步骤。第一步，他们利用个人方位信息来估计每个人最初的专业性评分并将排名靠前的人作为候选人。再将选定的人员名单构造一个子图。第二步，每个人的专业性评分会被传递给所有与他有关系的人之中。
我们的招聘框架不同于上述方法，因为在其声誉机制中，它将参与者的社会责任作为一个重要因素，并选择出非常有信誉的、满足的专业知识和任务地域要求的适合的参与者。
III．基于信任为基础的招聘框架
在这一节中，我们阐述了社会参与式感知系统的基于信任的招聘建议框架。该体系结构的概述是在 III-A小结，其次 在III-B小结中对各组件进行了详细讨论。
- 框架结构
图1说明了所提出的框架的体系结构。社交网络作为发布订阅的底层基板来招聘朋友和朋友的朋友作为参与者。事实上，基本的参与感测程序（即任务分配和贡献上传）是通过利用原有的社交网络传输。我们将一个在线社交网络（例如，Facebook）作为一个加权有向图，其中，社交网络成员作为图的节点并将友谊关系表示为图的边，权重等于用户之间的信任度。
图1 框架结构
一个人希望开始一个参与式感知运动要作为请求者并设定了任务，其中包括任务的主要的规范要求如需要特定的知识或位置。然后，参与者选择组件利用社交图调查请求者的朋友和朋友的朋友是否有能符合任务的需求和参与者的属性的潜在参与者。
结果将是一组适合参加感知活动的参与者。
接下来,路线选择组件遍历社交图从请求者到挑选的参与者中找到最可信赖的路径。该任务随后从特定的路径路由并传递给参加者。数据贡献被活动响应组件接收并传输（例如，通过使用Facebook Graph API）到结合了模糊推理系统，并为每个贡献给出客观信任度的第三方可信赖服务器。基于贡献的信任等级，彼此的信任度沿着参与者和请求者之间的路由进行更新。
在一定的时间间隔（即参加一定数量的活动后），建议组件为每个请求建立一个自定义组件通信组，其中包含在多个活动中有满意表现的参与者列表。该名单还用于招聘或友谊建立。每个组件的更多细节在III-B小结中进行说明。
- 框架组件
本节给出了框架组件的详细解释。尤其是，我们通过本论文介绍的新组件，即参与者的选择，路由选择和建议组件。我们还对我们以前的工作做了一个简短的说明[ 10 ]，[ 21 ]。
1）参与者选择组件：参与者选择组件负责检测合适的参与者。正如之前所说，我们假设参与者是有公开个人信息和有朋友关系的社交网络成员。在我们以前的工作中，我们假定每个参与者，有两种类型的信任信息被分别存储在信任数据库：一是个人因素，如参与者的专业知识，他的位置对于不同的地理区域的得分和他的应对活动的时效性；另一种是社会因素，如每个参与者和朋友之间的友谊持续时间，以及他们之间互动的时间间隔。
当一个任务被设定时,一组需求包括传感区域,指定期限和所需的专业知识。在我们以前的工作中，我们只假定单跳招聘。因此，这项任务很容易被广播到所有的一个跳跃的朋友。现在，以多跳招聘为前提，为了找到均能满足任务要求的合适的参与者预处理步骤是必要的。因此，参加者选择组件搜索请求者的朋友和朋友的朋友的相关信息（最多一个特定的级别）来检测适当的参与者。适用性是一个笼统的概念，并取决于请求者的角度。在这里，我们定义适用性作为匹配参与者的信任因素和任务要求之间的考量。
特别是，P被视为合适的参与者，如果他有一个在任务区域可以接受的（在预定阈值之上）位置得分和任务需要的专业知识得分。这些分数被评估并存储在信任服务器（细节在III-B3）。上述阈值在请求者定义任务规范和要求时设定。
这部分组件输出的是有资格在活动中被招募的参与者名单。
2）路由选择组件：一旦有合适的参与者被选择，路由选择的组件就从请求者和参与者之间找出最值得信赖的路线。这个过程与在有向图中找到两个节点之间最佳路线的问题很相似。考虑在图2中描绘的图形，其中，R是请求者和P1，P2，P3和P4的参与者;其中，P1和P4已被选定为合适的参加者。如前面提到的，社交图的边被两节点间的信任得分所标记。例如，一个边缘从R到P1的权重为0.7，说明R的信任评分在P1之下。如果路由在请求者到某个参与者中存在中间节点，该路线的信任评分是结合路线每对节点的信任分数。在信任度传播中，我们充分利用乘法的组合功能，因为它已被证明在[ 22 ]是一种有效的策略。在这种情况下，从R的路线到P3的信任评分（通过P1）将是0.7 * 0.65 = 0.455。
图2 单跳路由选择示例
路线选择组件从请求者开始搜索并试图找出到每个选定参与者的最佳路径。我们假定直接的朋友是最高的路径。对于其他参与者，路由选择组件通过社交图执行深度先序搜索来找到每个选定的参与者。当
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[152614]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
