[发明专利]一种基于激励推荐的知识众包平台构建方法

说明书

本发明公开了一种基于激励推荐的知识众包平台构建方法，所述方法包括以下步骤：构建不同激励方式下的标注任务完成模式；构建并训练基于不同激励的标注任务完成模式推荐模型LRC；根据用户大五性格测试值，利用模型LRC计算不同标注任务完成模式的推荐概率，按概率优先级推荐不同标注任务完成模式；根据用户选择的标注任务完成模式分配并引导用户完成任务，获取用户任务完成结果，计算对应任务完成模式下的用户奖励。本发明通过提供并推荐不同的任务完成模式，满足用户对于完成任务的外在与内在需求，减少任务发布者金钱成本，提高众包任务完成质量。

技术领域

本发明涉及计算机技术，具体涉及人工混合智能领域，尤其涉及基于激励推荐的知识众包平台构建方法。

背景技术

当前深度学习模型需要海量数据进行训练，产生了大量标注任务。不同于专家标注，借助群体智慧来完成任务标注是一个更低成本的选择。然而，具有不同性格的用户群体对自主性、个体性和多样性的追求各有差异，带有不同的任务参与动机，最佳的任务奖励方案应该满足不同用户的激励需求。

根据对现有众包平台的分析，目前主流的激励用户参与并完成任务的方式为金钱激励，无法满足具有不同性格的用户多样化的激励需求，存在用户参与积极性低，任务完成质量良莠不齐，任务发布者需承担高额金钱成本的问题。

发明内容

本发明的目的是提供一种基于激励推荐的知识众包平台构建方法，该方法提供具有不同激励方式的任务完成模式，根据用户性格，调整不同任务完成模式推荐的优先级，根据用户选择的任务完成模式计算对应金钱奖励。

实现本发明目的的具体技术方案是：

一种基于激励推荐的知识众包平台构建方法，特点是该方法包括以下具体步骤：

步骤1：构建不同激励方式下的标注任务完成模式，具体为：以满足自我成就为主金钱为辅激励的个人挑战模式、以社交竞争为主金钱为辅激励的好友PK模式和以金钱为激励的普通模式；

步骤2：构建并训练基于不同激励的标注任务完成模式推荐模型LRC；

步骤3：根据用户大五性格测试值，利用模型LRC计算不同标注任务完成模式的推荐概率，按概率优先级推荐不同标注任务完成模式；

步骤4：根据用户选择的标注任务完成模式分配并引导用户完成任务，获取用户任务完成结果，计算对应任务完成模式下的用户奖励。

所述步骤2具体为：

利用逻辑斯蒂回归方法构建基于不同激励的标注任务完成模式推荐模型LRC，收集不同用户对于不同任务完成模式的偏好值和不同用户的大五性格测试值，利用所述偏好值和大五性格测试值构建一个数据集，利用该数据集训练模型LRC；模型LRC的公式为：

其中,Y_k为第k种任务完成模式的推荐概率，x为用户大五性格测试值，w_i或w_k表示第i或k种任务完成模式的权重，b为偏置项，N为任务完成模式的数量。

所述步骤3具体为：

根据用户大五性格测试值，利用步骤2中模型LRC计算不同任务完成模式的推荐概率,不同任务完成模式依概率从大到小的顺序形成推荐次序并显示在界面中。

步骤4所述计算对应任务完成模式下的用户奖励，具体为：

在各任务完成模式为用户分配的任务中，部分任务已有标准结果，作为衡量用户完成任务质量的依据。在满足最低完成质量要求情况下，各任务完成模式均提供金钱奖励，其中，个人挑战模式给予用户固定的基础金钱奖励,好友PK模式的胜出者和普通模式下的金钱奖励按以下公式计算: