دانلود مقاله الگوریتم زمان واقعی پیشنهادی برای سیستم های انبوه سپاری
تعداد کلمات فایل انگلیسی:8691کلمه19صفحه pdf
تعداد صفحات فایل ترجمه:18صفحه word فونت14 Arial
چکیده
انبوه سپاری یک نمونه امیدوار کننده برای حل وظایفی است که فراتر از توانایی های ماشین است که به تنهایی از طریق برون سپاری به صورت آنلاین در میان مردم قرار می گیرد. هر دو درخواست کننده و ایجاد کننده با سیل داده ها همراه با حجم زیادی از وظایف در سیستم های جمع آوری اطلاعات قرار دارند. وظایف پیشنهادی در زمان اجرا برای ایجاد کننده گان و ایجاد کننده گان به درخواست کنندگان برای سیستم های انبوه سپاری حیاتی است. الگوریتم توصیه شده قدیمی مانند فیلتر کردن مشارکتی ، دیگر به دلیل عدم رضایت بخش بودن ازکار جریان داده و ماهیت در حین اجرا در وظیفه در سیستم های انبوه سپاری بی اعتبار است . در این زمان نیاز فوری برای توصیه های زمان واقعی در سیستم انبوه سپاری ظهور کرد: از یک سو، ایجاد کننده گان می خواهند توصیه های مؤثر بامناسبترین وظایف با توجه به مهارتها و ترجیحات آنها داشته باشند و از سوی دیگر، قابل اعتماد بودن از لحاظ صلاحیت و پاسخگویی ایجاد کننده گان در نظر گرفته می شود.در این مقاله، ما دو الگوریتم توصیه برای زمان واقعی برای سیستم انبوه سپاری پیشنهاد می کنیم (1) TOP-K-T که بهترین وظایف top-k را برای یک ایجاد کننده محاسبه می کند و (2) TOP-K-W که بهترین کارکنان top-k با در خواست کنندگان با در نظر گرفتن وظایف داده شده و ازمایشات صورت گرفته در این الگوریتم را نشان می دهد.
کلمات کلیدی:انبوه سپاری؛الگوریتم توصیه گر ؛وظیفه توصیه گر ؛وظایف top-k،ایجاد کننده top-k
Real-time recommendation algorithms for crowdsourcing systems
Abstract Crowdsourcing has become a promising paradigm for solving tasks that are beyond the capabilities of machines alone via crowds of people. Both requesters and workers in confront a flood of data coming along with the vast amount recommendation of tasks to workers and workers becoming critical for crowdsourcing systems. Traditional rithms such as collaborative filtering no longer work unprecedented data flow and the on-the-fly nature of the systems. A pressing need for real-time recommendations has sourcing systems: on the one hand, workers want effective recommendation of the top-k most suitable tasks with regard to their skills and preferences, and on the other hand, requesters want reliable recommendation of the top-k best workers for their tasks in terms of workers’ qualifications and accountability. In this article, we propose two real-time recommendation algorithms for crowd- sourcing systems: (1) TOP-K-T that computes the top-k most suitable tasks for a given worker and (2) TOP-K-W that computes the top-k best workers to a requester with regard to a given task. Experimental study has shown the efficacy of Abstract Crowdsourcing has become a promising paradigm for solving that are beyond the capabilities of machines alone via outsourcing tasks to online crowds of people. Both requesters and workers in confront a flood of data coming along with the vast amount on-the-fly recommendation of tasks to workers and becoming critical for crowdsourcing systems. Traditional rithms such as collaborative filtering no longer work unprecedented data flow and the on-the-fly nature of the systems. A pressing need for real-time recommendations has sourcing systems: on the one hand, workers want effective recommendation of the top-k most suitable tasks with regard to their skills and preferences, and on the other hand, requesters want reliable recommendation of the top-k best workers for their tasks in terms of workers’ qualifications and accountability. In this article, we propose two real-time recommendation algorithms for crowd- sourcing systems: (1) TOP-K-T that computes the top-k most suitable tasks for a given worker and (2) TOP-K-W that computes the top-k best workers to a eques
کد:12778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله الگوریتم زمان واقعی پیشنهادی برای سیستم های انبوه سپاری
تعداد کلمات فایل انگلیسی:8691کلمه19صفحه pdf
تعداد صفحات فایل ترجمه:18صفحه word فونت14 Arial
چکیده
انبوه سپاری یک نمونه امیدوار کننده برای حل وظایفی است که فراتر از توانایی های ماشین است که به تنهایی از طریق برون سپاری به صورت آنلاین در میان مردم قرار می گیرد. هر دو درخواست کننده و ایجاد کننده با سیل داده ها همراه با حجم زیادی از وظایف در سیستم های جمع آوری اطلاعات قرار دارند. وظایف پیشنهادی در زمان اجرا برای ایجاد کننده گان و ایجاد کننده گان به درخواست کنندگان برای سیستم های انبوه سپاری حیاتی است. الگوریتم توصیه شده قدیمی مانند فیلتر کردن مشارکتی ، دیگر به دلیل عدم رضایت بخش بودن ازکار جریان داده و ماهیت در حین اجرا در وظیفه در سیستم های انبوه سپاری بی اعتبار است . در این زمان نیاز فوری برای توصیه های زمان واقعی در سیستم انبوه سپاری ظهور کرد: از یک سو، ایجاد کننده گان می خواهند توصیه های مؤثر بامناسبترین وظایف با توجه به مهارتها و ترجیحات آنها داشته باشند و از سوی دیگر، قابل اعتماد بودن از لحاظ صلاحیت و پاسخگویی ایجاد کننده گان در نظر گرفته می شود.در این مقاله، ما دو الگوریتم توصیه برای زمان واقعی برای سیستم انبوه سپاری پیشنهاد می کنیم (1) TOP-K-T که بهترین وظایف top-k را برای یک ایجاد کننده محاسبه می کند و (2) TOP-K-W که بهترین کارکنان top-k با در خواست کنندگان با در نظر گرفتن وظایف داده شده و ازمایشات صورت گرفته در این الگوریتم را نشان می دهد.
کلمات کلیدی:انبوه سپاری؛الگوریتم توصیه گر ؛وظیفه توصیه گر ؛وظایف top-k،ایجاد کننده top-k
Real-time recommendation algorithms for crowdsourcing systems
Abstract Crowdsourcing has become a promising paradigm for solving tasks that are beyond the capabilities of machines alone via crowds of people. Both requesters and workers in confront a flood of data coming along with the vast amount recommendation of tasks to workers and workers becoming critical for crowdsourcing systems. Traditional rithms such as collaborative filtering no longer work unprecedented data flow and the on-the-fly nature of the systems. A pressing need for real-time recommendations has sourcing systems: on the one hand, workers want effective recommendation of the top-k most suitable tasks with regard to their skills and preferences, and on the other hand, requesters want reliable recommendation of the top-k best workers for their tasks in terms of workers’ qualifications and accountability. In this article, we propose two real-time recommendation algorithms for crowd- sourcing systems: (1) TOP-K-T that computes the top-k most suitable tasks for a given worker and (2) TOP-K-W that computes the top-k best workers to a requester with regard to a given task. Experimental study has shown the efficacy of Abstract Crowdsourcing has become a promising paradigm for solving that are beyond the capabilities of machines alone via outsourcing tasks to online crowds of people. Both requesters and workers in confront a flood of data coming along with the vast amount on-the-fly recommendation of tasks to workers and becoming critical for crowdsourcing systems. Traditional rithms such as collaborative filtering no longer work unprecedented data flow and the on-the-fly nature of the systems. A pressing need for real-time recommendations has sourcing systems: on the one hand, workers want effective recommendation of the top-k most suitable tasks with regard to their skills and preferences, and on the other hand, requesters want reliable recommendation of the top-k best workers for their tasks in terms of workers’ qualifications and accountability. In this article, we propose two real-time recommendation algorithms for crowd- sourcing systems: (1) TOP-K-T that computes the top-k most suitable tasks for a given worker and (2) TOP-K-W that computes the top-k best workers to a eques
کد:12778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com