综述：众包中工人共谋的检测方法、数据集与挑战

这篇综述系统梳理了众包（Crowdsourcing）平台中工人共谋（Collusion）的检测技术，涵盖相似性分析、图模型（Graph-based）和机器学习（ML）等方法，并探讨了真实与合成数据集的挑战。研究强调多模态数据整合和实时自适应系统（Real-time Adaptive Detection）的发展趋势，为提升众包数据可靠性提供了理论框架和实践方向。

　　

众包与任务类型

众包（Crowdsourcing）通过全球劳动力解决自动化系统难以完成的任务，如图像标注（Image Labeling）、情感分析（Sentiment Analysis）和翻译（Translation）。亚马逊机械土耳其（MTurk）等平台已成为数据收集的核心工具，但工人协作的边界问题日益凸显。

共谋行为分类

工人共谋（Collusion）包括重复提交（Duplicate Submissions）和复杂垃圾信息网络（Spam Networks），分为三类：

1. 简单共谋：直接复制答案；
2. 协同作弊：多人分工伪造结果；
3. 评级操纵：通过虚假评分提升任务收益。

共谋的影响

共谋会破坏敏感任务（如医疗数据标注）的可靠性，导致评级系统（Rating System）失真。例如，在视频描述任务中，共谋可能生成重复内容，降低数据多样性。

检测方法

1. 相似性分析：早期基于文本相似度（如Jaccard系数）的静态阈值检测；
2. 图模型：构建工人-任务关系图（Worker-Task Graph），识别异常聚类；
3. 机器学习：采用自适应模型（Adaptive Models）区分共谋与正常协作，如Xu等（2023b）提出的动态阈值算法。

数据集挑战

真实数据集（如MTurk日志）缺乏标注，合成数据（Synthetic Data）通过模拟共谋行为补充评估，但存在泛化性局限。

未来方向

多模态数据（Multi-modal Data）整合和实时检测系统是趋势，需解决计算效率与动态共谋模式的平衡问题。

结论

当前技术虽能识别部分共谋行为，但跨平台通用性和实时性仍需突破。未来研究应聚焦动态环境下的自适应算法，以构建更可信的众包生态。