[发明专利]一种众包任务推荐方法

权利要求书

1.一种众包任务推荐方法，其特征在于，包括如下步骤：

S1：更新众包平台上每一众包工人对应的用户画像参数，所述用户画像参数包括用户画像属性以及用户画像等级；

S2：根据待处理任务的要求对所述众包工人进行筛选并获得众包工人列表，所述众包工人列表由符合待处理任务的要求的众包工人构成；

S3：确定所述待处理任务的完成时间和价格，所述时间和价格根据所述待处理任务的要求和所述众包工人列表确定；

S4：确定所述众包工人的推荐概率列表，所述推荐概率列表根据所述完成时间和价格并通过任务推荐模型；

S5：根据所述待处理任务和所述推荐概率列表，将待处理任务推荐给所述众包工人列表中的众包工人。

2.根据权利要求1所述的方法，其特征在于，所述S1中所述用户画像属性包括：背景与技术描述、在线时间偏好描述和历史任务完成情况描述；

所述背景与技术描述包括：所学专业、从事领域和技能等级；

所述在线时间偏好描述包括：常登录时间段和常领取任务时间段；

所述历史任务完成情况包括：常完成任务的类型、常完成任务所属领域、完成任务的准确率和常完成任务的价格。

3.根据权利要求2所述的方法，其特征在于，所述S1中所述用户画像等级更新包括以下步骤：

S101：采集背景与技术描述、在线时间偏好描述和历史任务完成情况描述参数，通过文本预处理剔除非法数据；

S102：计算所述属性中数值及集合信息，包括常登录时长、常完成任务的时间、常登录时间段等；采用LDA聚类计算更新常完成任务的类型、常完成任务所属领域；

S103：根据完成任务情况计算众包工人等级评分，根据等级评分归类技能等级；在当前第t+1周期后等级评分SC_i计算公式为：

其中，SC_i为当前第t+1周期的等级的评分；对众包工人w_i，BC_i为技能等级(BC_i∈C，C为等级集合)，TA_i为众包工人完成任务的准确率，TA_i(t)为截止第t周期其任务完成准确率，α为任务完成准确度系数，β为任务完成数量系数，M为当前第t+1周期内众包平台总任务数，m_i为众包工人w_i在当前第t+1周期内完成任务数，DI_j为第j个任务的难度，TN_j为第j个任务的题目数量；

S104：根据所述众包工人的评分，进行等级更新。

4.根据权利要求3所述的方法，其特征在于，所述S3中根据所述待处理任务的要求和所述众包工人列表确定所述待处理任务的完成时间和价格包括如下步骤：

S301：通过LDA聚类所有待处理任务的文本来确定所述待处理任务的类别；

S302：从历史任务中抽取与所述待处理任务同属一类的所有任务集合；

S303：建立由历史任务的题目数量、任务发布方设定的题目难度值、完成准确率、完成时间和定价组成的训练集，并对所述训练集进行线性回归处理；并分别拟合待处理任务的完成时间和价格的函数。

5.根据权利要求4所述的方法，其特征在于，所述S4中所述推荐模型的建立步骤如下：

S401：根据历史众包任务和用户画像构建推荐模型训练集，并得到待处理任务中的文本信息和众包工人参与度信息；

S402：通过独热编码(One-Hot)对所述文本信息和众包工人参与度信息进行处理，并将处理后的文本信息输入至双向循环神经网络来提取文本高层特征，将众包工人参与度信息分输入至单向循环神经网络来提取活跃度高层特征；

S403：采用集合元素间按位相乘方法对所述文本高层特征和活跃度高层特征进行融合得到最终特征；

S404：将所述最终特征输入softmax层进行计算得到所述推荐概率列表。