摘要 摘 要：本文针对移动互联网的自助式劳务众包平台上的任务定价问题，运用了多种理论构建合适的数学模型，最终得出了任务的定价规律。首先，运用了RBF神经网络拟合以及聚类分析的
摘 要：本文针对移动互联网的自助式劳务众包平台上的任务定价问题，运用了多种理论构建合适的数学模型，最终得出了任务的定价规律。首先，运用了RBF神经网络拟合以及聚类分析的方法，构建了RBF神经网络拟合模型和K-means聚类模型。其次运用了MATLAB、SPSS等软件编程求解，最后得出了任务定价规律与地理位置的关系以及任务未完成的原因是与距离、经济、交通有关等结论。
关键词：RBF神经网络拟合 聚类分析 定价规律
1RBF神经网络拟合模型
1.1模型的准备将本模型的思路用流程图表示，如图1所示。
1.2模型的建立
1.2.1学习样本的提取
本文模型采用的是非线性系统，从相关数据中任意选取300组数据作为RBF神经网络的学习样本。
1.2.2测试非学习样本
将剩余数据作为非学习样本输入到神经网络中，进行多元非线性的拟合。
1.3模型的求解
运用MATLAB软件编程，得到了可视化方法下的准确RBF神经网络的拟合图。
上图以经纬度为X轴、Y轴，以任务标价为Z轴，进行了可视化的RBF神经网路拟合，从上图中可以看出拟合效果是非常好的，于是可以初步判断定价规律是与经纬度有关，为了进一步找到最优的定价规律，决定采用第二种模型进行拟合。
2K-means聚类模型
2.1模型的准备将本模型的思路用流程图表示，如图3所示。
2.2模型的建立(1)选择变量;(2)确定聚类数目;(3)选择K个样本为第一次凝聚点;(4)按照分类条件将其余量分类;(5)计算每一类的均值作为第二次中心点;(6)重复4、5步，直到满足条件。
2.3模型的求解
运用matlab和spss软件编程求解，得到如下结果。
类到第5类的权重比可近似看作1：1：1：2：4，即第4类和第5类的权重较大，这两类对应的GPS经纬度坐标(22.99，113.5)、(23.08，113.53)任务完成度较高。同样对于未完成任务的模块聚类后也出现了五类，从第1类到第5类的权重比可近似看作1：3：1：1：2，不难看出未完成任务模块主要分布在第2类与第5类所对应的经纬度坐标(22.94，113.53)、(22.79，113.78)。
结合实际情况本文查阅了当地的经济数据，交通数据分析得出2号区域交通便利，经济发达，便于会员完成任务。而1号区域属于开发程度较低地区，交通不便，经济状况低于其他区域，从而导致任务无法顺利完成。
因此未完成的原因主要有：
(1)距离原因：某些任务距离对于会员而言过于偏远，导致绝大多数会员不接受任务或接受任务而中途放弃任务。(2)经济原因：由于经济发展水平不同，经济发展水平高的地区对此类工作模式较为认同。(3)交通原因：交通越为便利，越为会员到达任务所在地提供了有利的条件，从而激发了会员完成任务的动力。
3结 语
本文构建模型时利用谷歌地图导入了经纬度，联系到了实际背景进行了分析，使得模型更加真实可靠。同时每个模型逐渐递推，环环相扣，可以将这些模型利用到各类众包企业的定价问题上。
参考文献：
[1]孙信昕.众包环境下的任务分配技术研究[D].扬州:扬州大学，2016.
[2]刘晓钢.众包中任务发布者出价行为的影响因素研究[D].重庆:重庆大学，2012.
[3]李超宁.众包系统中多维信誉评价模型的设计与实现[D].南宁:广西大学，2016.
转载请注明来自：http://www.lunwenhr.com/hrlwfw/hrjjlw/9332.html