[发明专利]基于技能图的任务分配方法、装置、介质、设备及系统

说明书

本发明涉及一种基于技能图的众包任务分配方法，包括：构建技能图；将任务需要的技能和工人具有的技能分别映射到技能图上；计算技能图上任务需要的技能和工人具有的技能之间距离的最小值；将任务分配给与任务之间的匹配度最高的工人，匹配度与技能图上任务需要的技能和工人具有的技能之间距离的最小值成反比。本发明中构建的技能图，不仅能进行现有技术中技能树的技能推理和替换，也考虑到了同一领域内技能之间的联系，更加符合现实世界的技能分布，能够有效提升众包质量，适用于各大众包平台的任务分配工程。本发明还涉及一种基于技能图的众包任务分配装置、介质、设备及系统。

技术领域

本发明涉及众包的任务分配领域，具体涉及一种基于技能图的任务分配方法、装置、介质、设备及系统。

背景技术

随着众包(Crowdsourcing)在图片标注、情感分析等工作中的成功应用，人们希望借助众包来处理一些需要某种特定技能才能解决的任务，如项目评审、代码众包等，这些任务要求工人具备一种或多种专业知识。由于众包中存在任务完成门槛较低、工人不可靠、专业知识多样性、缺少专业知识等诸多问题，人们可能得到不满意、质量低下的结果。因此，如何控制众包结果的质量成为众包的一个挑战。理想情况下，众包平台应该在任务分配(TaskAssignment)过程将任务准确分配给具有某种特定技能的工人。

目前国内外诸多学者在众包的研究中发表了许多论文和期刊，其中就有不少关注任务分配中工人与任务匹配度计算问题的研究。现在众包平台的普遍做法是简单描述工人能够完成任务所需的某种特定技能，最多仅是设计一套测试方法验证工人的资格。Zheng等人则提出基于向量的工人匹配算法，它将所有任务分为13个领域，如体育、财经等，然后根据工人以往的完成任务历史为他们计算出每个领域的得分，再抽取出任务描述中的实体，并计算出任务在每个领域的得分，然后利用这些得分计算出工人与任务的匹配度，并以此排序挑选工人。Mavridis等人提出使用技能树的方式对工人所拥有的技能与任务所需的技能构建模型，用技能树上的节点作为任务和工人的技能标签，利用此树直接计算技能之间的距离并转换工人与任务的匹配度，以实现将任务准确分配给相应工人。

以上两种方法在实际应用中都有各自的缺陷，基于向量的方式是将任务领域做静态划分，并不能适应任务的动态扩展，另外该方法划分领域的粒度也较难设定，太大和太小都会造成匹配度计算不准确。而技能树在构建过程中可能无法真实反映现实世界中技能的分布，比如“门球”和“篮球”虽然都属于体育运动，但喜欢和熟悉的人群可能完全无交集，篮球迷对门球运动可能一窍不通，尤其是针对知识图谱修正这样的任务，任务间交叉纷繁，无法用一棵单一的树来建模技能和知识。

发明内容

为了解决上述全部或部分问题，本发明提供一种基于技能图的任务分配方法、装置、介质、设备以及系统。

本发明的实施方式公开了一种基于技能图的任务分配方法，所述方法包括

构建技能图；

将任务需要的技能和工人具有的技能分别映射到所述技能图上；

计算所述技能图上所述任务需要的技能和所述工人具有的技能之间距离的最小值；

将所述任务分配给与所述任务之间的匹配度最高的所述工人，所述匹配度与所述技能图上所述任务需要的技能和所述工人具有的技能之间距离的最小值成反比。

在一示范例中，所述技能图包含节点、所述节点之间的有向边以及所述有向边的Is-a属性，所述节点表示技能，所述有向边表示所述有向边连接的所述节点之间存在联系，所述Is-a属性表示所述有向边连接的所述节点之间为父类与子类的关系。

在一示范例中，将所述任务需要的技能和所述工人具有的技能分别映射到所述技能图上包括：

为所述技能图上的各技能获取技能信息；