公开(公告)号：CN115694877B

公开(公告)日：2023-08-15

申请号：CN202211046374.8

申请日：2022-08-30

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郑凯 ,  赵艳 ,  苏涵 ,  刘佳欣

IPC: H04L9/40 ,  H04L41/08 ,  H04L41/14 ,  H04L41/147

Abstract: 本发明公开了一种基于联邦偏好学习的空间众包任务分配方法，本发明首先对存储在各平台中心的当地数据进行偏好建模。然后，本发明利用联邦学习框架，通过各平台中心的本地模型参数传递去更新中心服务器的模型参数，从而获取全局的工人偏好。最后，在考虑工人偏好的情况下，本发明将任务分配转化为二部图最大匹配问题，利用一种基于KM的双边top‑k相交的方法对所建图的边集进行过滤，并使用再分配的方法对剩余任务进行二次分配，从而实现了在加速匹配算法的同时保证了分配任务总数。能够有效地获得高任务成功率和分配任务总数，并实现了多平台工人数据非集中情况下对任务偏好感知的工人任务分配，即在一定程度上保护了工人的隐私。

公开(公告)号：CN115694877A

公开(公告)日：2023-02-03

申请号：CN202211046374.8

申请日：2022-08-30

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郑凯 ,  赵艳 ,  苏涵 ,  刘佳欣

IPC: H04L9/40 ,  H04L41/08 ,  H04L41/14 ,  H04L41/147

Abstract: 本发明公开了一种基于联邦偏好学习的空间众包任务分配方法，本发明首先对存储在各平台中心的当地数据进行偏好建模。然后，本发明利用联邦学习框架，通过各平台中心的本地模型参数传递去更新中心服务器的模型参数，从而获取全局的工人偏好。最后，在考虑工人偏好的情况下，本发明将任务分配转化为二部图最大匹配问题，利用一种基于KM的双边top‑k相交的方法对所建图的边集进行过滤，并使用再分配的方法对剩余任务进行二次分配，从而实现了在加速匹配算法的同时保证了分配任务总数。能够有效地获得高任务成功率和分配任务总数，并实现了多平台工人数据非集中情况下对任务偏好感知的工人任务分配，即在一定程度上保护了工人的隐私。