(3.1.2)--2017年高教社杯全国大学生数学建模竞赛B题优秀论文.pdf

对“拍照赚钱”任务定价的研究

摘要

本文基于任务定价和会员信息在地图的分布情况，运用多元回归模型以及MLP神

经网络等方法建立模型，合理地改善了任务定价方案以及提高了任务完成率。另外在

建立模型前，需要先剔除异常点并且ZSCORE标准化数据，并且处理了附件一与附

件二数据维度不一致的问题。

对于问题一。分析任务定价规律时，以任务定价为因变量，会员密度、任务限额

量、任务经纬度、信誉度为自变量，建立逐步回归模型，经SPSS软件求解，得到拟合

优度2，拟合效果不太理想。分析任务未完成原因时，以任务执行情况为因变

R=0.434

量，会员密度、任务限额量、任务经纬度和任务定价为自变量，建立Logistic回归模

型，通过HL检验。得出结论：任务定价与位置有关，与任务周围会员密度、信誉度

成负相关；任务所处位置、任务周围会员密度、任务标价以及相互作用共同影响着任

务未完成率的高底。

对于问题二。以任务定价为因变量，会员密度、任务限额量、任务经纬度为自变

量，建立多元二项式回归，拟合优度2，较之提高了0.17，并由所建模型基于

R=0.604

五大因素集预测出新的定价，运用MLP神经网络训练并检验原有数据，得准确率为

78.1%，并由此神经网络模型预测新的定价方案完成率为76.05%，原始数据的任务完

成率为62.51%，准确率提升了21.65%。

对于问题三。用-均值聚类对打任务打包，确定聚类中心及每类任务数，找到定

K

价影响参数，确立捆绑任务的优化系数(x)，基于问题二的定价模型进行优化，建立

捆绑优化定价模型E(x)*(QQ...Q，计算捆绑任务总价格。运用神经

12)MLP

网络预测任务完成率，为60.84%，效果不佳。模型经过改进后，完成率提高至

69.46%，任务捆绑后总定价为56185.0元，相比于捆绑前的57707.5元可为公司节省约

1525.25元。

对于问题四。首先经问题二的多元二项式回归模型预测任务定价，之后运用问题三

的模型，用-均值聚类分析对打任务聚类打包，再通过定价参数预测任务定价，最后

K

经MLP神经网络预测任务完成率，为65.73%，公司预算为139763.67元。

关键词：多元线性回归；Logistic回归；多元二次项回归；MLP神经网络

1

一、问题重述与分析

1.问题重述

“拍照赚钱”是一款基于自助式服务模式的APP，用户在网上下载APP，然后注册

就可以成为该网站的会员。平台会发布拍照任务，例如检查平某超市特定商品的上架

情况，会员可以根据任务的位置，价格等因素选择领取任务，从而得到完成任务的报

酬。这是一种基于网络的自助形劳务众包平台，这种平台相较于传统调查模式有很大

提升，在大大节省调查成本的前提出下可以为企业供给大量商业信息，利用该种方式

可以使得调查数据更为真实有效，节省时间的同时提供了大量信息的有哪些信誉好的足球投注网站。而平台运

行的好坏在很大程度上取决于任务的定价。定价过高，会员争相选择；定价过低，有

的任务无人领取，而导致商品检查的失败。根据以上叙述，请完成下面的问题：

1.根据附件一探究其中项目的任务定价规律，分析任务未完成的原因。

2.设计新的定价方案，为附件一的数据重新定价，并和原方案进行比较。

3.考虑实际状况，多个任务如果位置相对比较集中，注册会员会会争相选择，一种想法

是将这些任务捆绑销售。基于这种考虑，修订前面问题中的定价模型，分析对最后结

果产生的影响。

4.通过前面问题分析给附件三中的新项目确定合适的任务定价方案，并对实施效果进行

评价。

2.问题分析

对于问题一，先用制图软件画出附件一和附件二的地理位置分布和附件一按照任务

标价的空间分布，大体可以感觉附件一中任务的分布按照人多钱少和人少钱