[发明专利]社交网络中基于概念格的协作成本任务分配方法及其系统

说明书

本发明公开了社交网络中基于概念格的协作成本任务分配方法及其系统。本发明对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型；利用形式概念分析获得社交网络中的小团体，基于小团体的内部强联系属性，为任务招募满足其技能需求的参与者，快速获得足以完成任务的强联系团队，提升协作性任务的完成效率。利用社交网络中小团体成员间的紧密联系特性，即任一成员均可代表整个小团队，从不同的小团体中选择专家构建弱联系团队，全方位、多层次地构建团队，保证竞争型性任务的公平性。与已有任务分配算法相比，本发明所提方法在协作成本、团队规模与运行时间等性能均有显著的提升。

技术领域

本发明涉及社交网络，具体涉及社交网络中基于概念格的协作成本任务分配方法及其系统。

背景技术

一项复杂任务通常需要团队的参与者间协作完成。例如，对于一项互联网金融工程，需要来自软件开发、金融分析等不同领域的专家组成技术团队，才能保证该项工程的顺利完成。因此，参与者的选择，进而形成一个高效的团队是社交网络中协作任务得以成功完成的保障。研究表明，参与者间的社会关系对于任务完成的效率具有重要影响。低协作成本的团队能提升协作任务完成的质量，而高协作成本的团队能保证竞争型任务的公平性。

在社交网络中，多项任务共存，每项任务对应数种技能的组合，每位参与者具备不同技能。任务分配的本质在于为每项任务招募团队，满足任务对技能的需求。现实生活中，参与者之间亲疏有别，关系紧密的团队参与者导致低的通信和协作成本。同时，一些任务希望参与者来自不同的阵营，能代表各个阶层的声音，如项目评审或各级评奖，评审团参与者之间弱联系的存在，能保证评审结果的客观公正。根据社交网络中不同类型任务的不同目标，将两种情况下的任务分配问题分别建模为强联系组队问题(TFP-ST，Team FormationProblem with Strong Ties)与弱联系组队问题(TFP-WT，Team Formation Problem withWeak Ties)。

现有工作研究了强联系团队的形成方法，设计不同的协作成本函数作为度量标准，用以评估形成团队的性能。加州大学河滨分校引入两个概念，即最小生成树(MST，Minimum Spanning Tree)和团队的最大直径作为度量标准，并提出启发式算法。多伦多约克大学设计了技能之间通信成本之和以及到领导者的距离之和两种度量标准，并提出了带领导者的组队算法。马克斯普朗克计算机科学研究所使用子图的密度选出一个协作团队。基于紧密中心性和特征向量中心性，西拉大学形成低协作成本的高效团队。另外，罗马大学考虑了负载均衡，黑龙江大学考虑了时间限制等。然而，这些贪心启发式算法只能实现局部最优，无法保证全局最优。

组建弱联系团队的相关研究不多，北京大学提出社会影响度量标准，并找出最小化社会影响的团队。然而，该研究中所需的权威参数在现实中难以获取；先前的工作提出以团队参与者之间最短距离的最小值作为弱联系的通信成本，选择使得团队通信成本最大化的参与者，形成弱联系团队。然而对于评审类的任务而言，团队的权威性未加入考虑。

发明内容

针对现有算法存在的问题，本发明的目的是提供社交网络中基于概念格的协作成本任务分配方法及其系统，解决现有的协作成本任务分配方法中获得足以完成任务的强联系团队的速度慢、无法保证全局最优的技术问题。

为了实现上述目标，本发明采用以下技术方案：

社交网络中基于概念格的协作成本任务分配方法，包括以下步骤：

步骤1：对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型，所述的任务分配系统模型包括社交网络模型、任务-技能模型和参与者-技能模型；

步骤2：从所述的任务分配系统模型中分别构建TFP-ST模型和TFP-WT模型，所述的TFP-ST模型包括目标函数及约束条件，所述的TFP-WT模型包括目标函数及约束条件，所述的TFP-ST为强联系组队问题，所述的TFP-WT为弱联系组队问题；