DAST-SR:群智感知中具有地理相关性的连续长尾数据的精确聚合方法

摘要

大数据时代,众包系统需要通过聚合多个数据提供者的数据来获得准确的真相.在基于指纹识别的蓝牙定位应用场景中,通过对数据的长尾特性、连续性和地理关系的研究,提出了一种处理具有地理相关性的连续长尾数据的机制,即an accurate data aggregation mechanism processing sequential long-tail data with spatial relativity(DAST-SR).为了捕获数据的长尾特性,该机制使用数据源出现错误的置信上限来估计可信度.而为了捕获数据的连续特性和地理相关性,该机制联合使用数据源提供的数据、前一时刻的聚合真相和相关实体的聚合真相作为虚拟源,聚合获得真相.通过虚拟数据集上的仿真,与an accurate data aggregation mechanism incorporating sequential long-tail characteristics(DAST)、Dynamic Truth Discovery(DynaTD)和truth discovery on correlated entities(TD-corr)相比,DAST-SR聚合结果的平均绝对误差和均方根误差最小,聚合的结果更加准确.