W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

An active preference learning approach to aid the selection of validators in blockchain environments

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2023

Opublikowano w

Omega

Rocznik: 2023 | Tom: vol. 118

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • Blockchain ecosystem
  • Validator selection
  • Multiple criteria decision analysis
  • Active learning
  • Preference learning
  • Multi-attribute value function
Streszczenie

EN We consider a real-world problem faced in some blockchain ecosystems that select their active validators - the actors that maintain the blockchain - from a larger set of candidates through an election-based mechanism. Specifically, we focus on Polkadot, a protocol that aggregates preference lists from another set of actors, nominators, that contain a limited number of trusted validators and thereby influence the election’s outcome. This process is financially incentivized but often overwhelms human decision makers due to the problem’s complexity and the multitude of available alternatives. This paper presents a decision support system (DSS) to help the nominators choose the validators in an environment with frequently changing data. The system structures the relevant multiple attribute problem and incorporates a dedicated active learning algorithm. Its goal is to find a sufficiently small set of pairwise elicitation questions to infer nominators’ preferences. We test the proposed solution in an experiment with 115 real nominators from the Polkadot ecosystem. The empirical results confirm that our approach outperforms the unaided process in terms of required interaction time, imposed cognitive effort, and offered efficacy. The developed DSS can be easily extended to other blockchain ecosystems.

Data udostępnienia online

11.03.2023

DOI

10.1016/j.omega.2023.102869

URL

https://www.sciencedirect.com/science/article/pii/S0305048323000336?via%3Dihub

Uwagi

Article Number: 102869

Punktacja Ministerstwa / czasopismo

140

Impact Factor

6,7

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.