| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-16页 |
| 1.1.1 众包概念 | 第12-13页 |
| 1.1.2 众包应用及发展 | 第13-15页 |
| 1.1.3 众包的结构 | 第15-16页 |
| 1.1.4 定价问题的提出 | 第16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.2.1 理论意义 | 第16-17页 |
| 1.2.2 应用价值 | 第17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 国内外研究现状 | 第20-28页 |
| 2.1 众包的定价模式 | 第20-22页 |
| 2.2 典型的正向定价方法 | 第22-24页 |
| 2.2.1 双变量模型定价 | 第22-23页 |
| 2.2.2 基于BP神经网络的定价 | 第23页 |
| 2.2.3 基于多元线性回归的定价 | 第23页 |
| 2.2.4 基于收集行为的多参数定价 | 第23-24页 |
| 2.2.5 其他正向定价方法 | 第24页 |
| 2.3 典型逆向定价方法 | 第24-26页 |
| 2.3.1 基于贪心策略的定价 | 第24-25页 |
| 2.3.2 基于逆向拍卖的定价 | 第25页 |
| 2.3.3 考虑团队协作的定价 | 第25-26页 |
| 2.4 研究现状总结 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于随机森林和文本聚类的正向定价机制 | 第28-46页 |
| 3.1 基于数据挖掘的研究框架 | 第28-29页 |
| 3.2 数据获取及预处理 | 第29-33页 |
| 3.2.1 数据获取 | 第29-31页 |
| 3.2.2 数据预处理 | 第31-33页 |
| 3.2.3 数据标准化 | 第33页 |
| 3.3 随机森林算法理论分析 | 第33-38页 |
| 3.3.1 随机森林算法 | 第33-36页 |
| 3.3.2 决策树算法 | 第36-38页 |
| 3.4 基于文本聚类的特征挖掘 | 第38-40页 |
| 3.5 实验及结果分析 | 第40-45页 |
| 3.5.1 实验设置 | 第40-41页 |
| 3.5.2 机器学习方法价格预测效果对比 | 第41-42页 |
| 3.5.3 模型的调参及优化 | 第42-44页 |
| 3.5.4 文本聚类前后定价效果对比 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于VCG拍卖和质量全支付的协作众包逆向定价机制 | 第46-58页 |
| 4.1 理论基础 | 第46-48页 |
| 4.2 通用逆向定价模型 | 第48-50页 |
| 4.2.1 雇主与工人定义 | 第48-49页 |
| 4.2.2 团队技能配置定义 | 第49页 |
| 4.2.3 工人工作质量定义 | 第49-50页 |
| 4.3 VCG-QCP算法 | 第50-52页 |
| 4.3.1 算法目标及设计思路 | 第50-51页 |
| 4.3.2 算法实现 | 第51-52页 |
| 4.4 仿真实验 | 第52-57页 |
| 4.4.1 实验设置 | 第53-54页 |
| 4.4.2 仿真结果及分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |