[发明专利]一种基于众包的群智贡献评审方法

权利要求书

1.一种基于众包的群智评审方法，包括评审系统和众包平台，其特征在于，众包平台的注册用户既可以作为众包任务的参与者，也可以作为评审系统的评审专家，众包平台存储了注册用户的历史数据并对注册用户建立刻画模型，评审系统对每个待评审的众包任务建立任务需求模型，评审系统工作过程包括以下步骤：

1)用户刻画模型，包括“开发工具偏好”、“技术领域偏好”、“完成任务难度分布”、“用户活跃度”、“完成任务数”指标；任务需求模型，包括“开发工具偏好”、“技术领域偏好”、“完成任务难度分布”指标；

基于“开发工具偏好”、“技术领域偏好”、“完成任务难度分布”能力匹配，“用户活跃度”、“完成任务数”贡献度匹配，以及用户历史信息，匹配潜在任务评审专家；

选取符合匹配要求的注册用户推送评审任务，接受邀请的则被选为评审专家，如果评审专家人数满足数量要求，则进入下一步骤，否则重新进行本步骤；

2)确定每个评审专家的权重因子，设定历史信息步长数值为l，对于当选评审专家次数小于l的注册用户权重因子为1；

对于当选评审专家次数大于等于l的注册用户权重因子则可以通过对以往历史评审得分的偏差进行权重因子修正得出：

设众包任务为M，选取了N个评审专家，m_n为第n个评审专家的第m次任务，为第n个评审专家的权重因子，为第n个评审专家的第m次任务评审给出的实际分值；

根据其前l次评选行为来校正当前权重因子，设第n个评审专家的第m_n-l次评选行为的实际评分为权重因子为而该次评选活动的总评分为则该次评选活动的理想权重因子

第n个评审专家在该次评选活动中的权重因子偏差程度为：

则第n个评审专家前l次评分的权重因子偏差程度的均值为：

得到第n个评审专家第l次评分的权重因子偏差程度的标准差为

则用下面公式对第n个评审专家当前任务的权重因子进行校正：

如果本次任务选取的评审专家的权重因子全部确定，则进入下一步骤，否则重新进行本步骤；

3)每个评审专家对任务成果进行独立评分，并在评分时限内在线提交分数

4)通过归一化使得所有专家的权重因子之和为1，该次众包评审任务给出的总体分值为S_M，由公式

计算得出；

5)记录所有参与任务评审专家的评审数据信息，更新众包平台的数据存储。

2.根据权利要求1所述的基于众包的群智评审方法，其特征在于所述步骤1)中匹配要求为：根据历史评分信息，剔除连续3次评分与最终结果相差30％以上的评审专家。

3.根据权利要求1所述的基于众包的群智评审方法，其特征在于所述步骤5)结束后，计算该次评分分值偏差程度，并反馈给评审专家，对于偏差达到30％以上的人员，进行信息推送提示。