科研速递 | 理工学院黄建伟教授在《IEEE Transactions on Mobile Computing》上发表文章

近日，香港中文大学（深圳）理工学院的黄建伟教授在《IEEE Transactions on Mobile Computing》发表题为”Strategic Information Revelation Mechanism in Crowdsourcing Applications Without Verification”的文章。

01

刊物介绍

IEEE Transactions on Mobile Computing是一本跨学期期刊，旨在传播移动计算相关领域的最新研究和开发成果。IEEE Transactions on Mobile Computing的最新影响因子是5.577，CCF推荐为A类期刊，JCR分区Q1。

02

研究背景

人工智能的成功和普及离不开数据。在当今信息爆炸的时代，数据的质量和可靠性变得越来越重要。但是，在很多场景下，由于人工智能的认知能力还不高，高质量数据的获取仍需要通过人来完成（比如图像识别中高质量训练集数据的收集）。目前比较流行的人工数据收集是通过众包的方式完成。具体而言，众包平台希望激励众包工人们提供高质量和真实的数据，但同时也无法验证所收集到的数据。大多数先前的工作都假设平台和工人拥有对称信息。而在这篇论文中，我们研究一个非对称的信息场景。具体来说，平台了解更多有关工人的平均准确性（比如工人提供准确数据的概率）的信息，并可以策略性地向工人展示此信息。我们的目标是设计一个最优的信息发布机制，以此来优化平台的总收益。

03

研究内容

文章的主体思路如图一所示。我们将众包平台和工人之间的交互建模成一个三阶段的博弈。在第一阶段，平台设计信息发布机制并向工人公开细节；在第二阶段，平台设计众包奖励机制且将其公开；在第三阶段，工人们决定是否投入足够多的精力完成任务，并且决定是否真实上报数据。当工人们上报他们的数据后，平台根据之前定好的奖励机制向工人发放奖励。

图一：文章基本结构

文章的重点在于和如何对策略性的信息发布进行建模和分析。我们采用了经济学中的贝叶斯劝说（Bayesian Persuasion）理论，将信息发布建模成如图二所示的框架。该框架有三个步骤。第一，平台在非对称信息出现之前决定一个发布机制，并且对其做出承诺；第二，非对称信息出现并只对平台可见；第三，平台按照之前承诺的信息发布机制对信息进行处理并公布给工人。

图二：贝叶斯劝说框架

我们研究两种类型的工人：（1）完全信任平台发布信息的天真型工人，（2）根据发布信息调整想法的策略型工人。对于天真型工人，我们发现众包平台应始终宣布较高的工人平均准确性，从而最大化平台收益。但是，这并不总是适合策略型工人，因为这可能会降低平台发布信息的可信度从而减少平台的收益。有趣的是，对策略型工人而言，当工人的平均准确性较高时，平台甚至有可能宣布一个比较低的值来最大化收益。

04

主要贡献

这篇文章的主要贡献：

1. 众包中的信息发布机制：为了保证众包的成功，适当的激励机制和信息发布机制缺一不可。我们首次在众包场景中提出基于贝叶斯劝说的信息发布机制，并实现了和激励机制的联合优化。

2. 多个实际场景下分析：在现实生活中，工人平台发布的信息可能持不同态度。我们将两种不同类型的工人（一类是相信平台信息的工人，另一类是持怀疑态度的工人）都纳入考虑，并分析了对应的最优信息发布机制。

3. 设计信息发布机制的洞见：对于相信平台信息的工人，平台应始终宣布较高的工人平均准确性。对于持怀疑态度的工人，当工人的平均准确性较高时，平台甚至有可能宣布一个比较低的值。对于两种工人而言，真实发布信息在大多数情况下都不是最优的。

05

作者简介

本文通讯作者是香港中文大学（深圳）黄建伟教授。

黄建伟教授是深圳市鹏城特聘教授、IEEE Fellow、IEEE通信学会杰出讲者、汤森路透计算机科学领域全球高被引科学家。他长期专注于网络通信、网络经济学和群体智能交叉领域的开创性研究。他已发表7部学术专著和300多篇国际一流期刊和会议论文，被谷歌学术引用超过 14000 次，H-index为 59（位列全球计算机领域学者中前0.05%）。他与其合作者十次获得国际会议和期刊的最佳论文奖，包括2011年IEEE马可尼无线通信论文奖。

黄建伟教授曾任多个通信网络领域JCR Q1一流国际期刊的编委，包括IEEE JSAC/TMC/ToN/TWC/TCCN/TNSE。他历任IEEE通信学会认知网络专委会主席和多媒体通信专委员会主席。他曾获得2015年IEEE通信学会多媒体通信专委员会杰出服务奖和2010年IEEE GLBOECOM卓越服务奖。他现任 IEEE Transactions on Network Science and Engineering的主编。

本文第一作者：加州大学（戴维斯）博士后研究员 黄超

黄超博士于2021年7月在香港中文大学信息工程学系获得博士学位。他于2021年8月至11月在香港城市大学管理学系担任博士后研究员。他现在是加州大学（戴维斯）计算机学院的博士后研究员。他的主要研究方向是：博弈论，机制设计，联邦学习，低碳系统等。

本文其他作者：

1. 北京理工大学计算机学院 余晧然教授

余晧然教授于2016年在香港中文大学获得博士学位。他于2015年至2016年于耶鲁大学网络科学及电气工程系担任访问学者。他于2018年至2019年在美国西北大学电气与计算机系担任博士后研究员。他目前是北京理工大学计算机学院的副教授。他最近的研究兴趣为博弈论与人工智能的交叉学科研究。

2. 美国西北大学电气与计算机系 Randall Berry教授

Randall Berry is the John A. Dever Professor and Chair of Electrical and Computer Engineering at Northwestern University. He is also a Principle Engineer with Roberson and Associates and has been on the technical staff of MIT Lincoln Laboratory. 

Dr. Berry is the recipient of a NSF CAREER award and an IEEE Fellow. He is currently a Division Editor for the Journal of Communications and Networks and an Area editor for the IEEE Open Journal of the Communications Society.

点击以下链接，进入理工时刻：