移动社会网络中众包系统的可信机制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61502410
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0208.物联网及其他新型网络
  • 结题年份:
    2018
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2018-12-31

项目摘要

The popularity of Mobile Social Networks (MSNs) has enhanced the communications between people, and made people's lives convenient. However, it also brings new challenges to people's lives: with the generation of "mobile crowdsourcing", more and more applications inspire network entities to participate the task sensing. Therefore, the trust of entities in mobile social networks is the foundation and an important condition that can make crowdsoucing systems operate normally. It has an important practical significance to research the trust mechanisms of mobile social networks, which can garantee the security of networks. In the process of task sensing in mobile social networks, some research contents are involed: the recommendation of tasks, the analysis for network's evolution and the control of entities' behaviors. Therefore, this proposal will research the trust mechanism of crowdsourcing systems in mobile social networks, in order to form a complete trust security system. The main research contents include three aspects: the trust recommendation model of mobile social networks based on Marcov chain, Wright-Fisher multi-strategy trust evolution model of mobile social networks in white noise environment, and the incentive mechanism of mobile social networks with privacy-protection. The researches of this proposal will promote the development of mobile social networks.
移动社会网络的普及增强了人们之间的联系,方便了人们的生活,同时也给人们的生活带来了新的挑战:随着“移动众包”概念的产生,越来越多的应用激励网络实体参与任务感知,因此,实体的可信性是保障移动社会网络中众包系统正常运行的基础和重要条件。研究移动社会网络的可信机制问题对于保证网络的安全性具有重要的现实意义。在移动社会网络的任务感知过程中,涉及到任务的推荐、网络演化分析以及行为调控等方面,因此,本项目拟基于移动社会网络,研究众包系统的可信机制问题,形成一套完整的可信保障体系,主要研究包括三个方面:建立基于Marcov链的移动社会网络可信推荐模型,研究白噪声环境下移动社会网络Wright-Fisher多策略信任演化模型,建立加入隐私保护的移动社会网络的激励机制。本项目的研究将为移动网络的发展起到积极的促进作用。

结项摘要

移动社会网络的普及增强了人们之间的联系,方便了人们的生活,同时也给人们的生活带来了新的挑战,利用移动社会网络中的巨大资源,结合“移动众包”概念进行任务的发布、处理、感知以及集成,不仅可以减小传统方法中为了完成任务带来的巨大开销,还可以提高完成任务的效率,因此对移动社会网络中“移动众包”的研究具有十分重要的意义和很好的应用前景。随着“移动众包”概念的产生,越来越多的应用激励网络实体参与任务感知,因此,实体的可信性是保障移动社会网络中众包系统正常运行的基础和重要条件。在移动社会网络的任务感知过程中,涉及到任务的推荐、网络演化分析以及行为调控等方面,因此,本项目基于移动社会网络,研究了移动众包系统的可信机制问题,完成了一套完整的可信保障体系。在移动社会网络的推荐模型方面,本课题提出了基于Marcov链和dwell-time的移动社会网络可信推荐模型。在移动社会网络的可信演化模型方面,本课题研究了白噪声环境下移动社会网络Wright-Fisher多策略信任演化模型。在移动社会网络的激励机制方面,本课题研究了移动众包系统的拍卖算法和隐私保护方法。在大规模的真实轨迹数据上的评估结果验证了所提移动社会网络中众包系统可信机制的有效性、正确性以及可扩展性。

项目成果

期刊论文数量(23)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(1)
General Collaborative Filtering for Web Service QoS Prediction
Web服务QoS预测的通用协同过滤
  • DOI:
    10.1155/2018/5787406
  • 发表时间:
    2018-12
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Wenming Ma;Rongjie Shan;Mingming Qi
  • 通讯作者:
    Mingming Qi
Outlier Detection over Massive-Scale Trajectory Streams
大规模轨迹流的异常值检测
  • DOI:
    10.1145/3013527
  • 发表时间:
    2017
  • 期刊:
    ACM Transactions on Database Systems
  • 影响因子:
    1.8
  • 作者:
    Yu Yanwei;Cao Lei;Rundensteiner Elke A.;Wang Qin
  • 通讯作者:
    Wang Qin
A novel task recommendation model for mobile crowdsourcing systems
一种新颖的移动众包系统任务推荐模型
  • DOI:
    10.1504/ijsnet.2017.10007414
  • 发表时间:
    2018
  • 期刊:
    Journal of Sensor Networks
  • 影响因子:
    --
  • 作者:
    Yingjie Wang;Xiangrong Tong;Kai Wang;Baode Fan;Zaobo He;Guisheng Yin
  • 通讯作者:
    Guisheng Yin
信任网络形成及其在智能推荐中的应用研究进展
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    小型微型计算机系统
  • 影响因子:
    --
  • 作者:
    童向荣;姜先旭;王莹洁;张楠
  • 通讯作者:
    张楠
面向位置大数据的快速密度聚类算法
  • DOI:
    10.13328/j.cnki.jos.005289
  • 发表时间:
    2018
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    于彦伟;贾召飞;曹磊;赵金东;刘兆伟;刘惊雷
  • 通讯作者:
    刘惊雷

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于Rough-Fuzzy的网构软件信任度量模型研究
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    印桂生;王莹洁;董宇欣
  • 通讯作者:
    董宇欣
基于声誉的移动众包系统的在线激励机制
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机应用
  • 影响因子:
    --
  • 作者:
    王莹洁;蔡志鹏;童向荣;潘庆先;高洋;印桂生
  • 通讯作者:
    印桂生
网构软件的Wright-Fisher多策略信任演化模型
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    印桂生;王莹洁;董宇欣;崔晓晖;YIN Gui-Sheng,WANG Ying-Jie~+,DONGYu-Xin,CUI Xiao-
  • 通讯作者:
    YIN Gui-Sheng,WANG Ying-Jie~+,DONGYu-Xin,CUI Xiao-

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

王莹洁的其他基金

面向多空间群智感知的任务分配优化机制研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码