[发明专利]一种基于行为数据的众包测试人员的评价方法

权利要求书

1.一种众包测试人员的评价方法，其特征在于，包括如下步骤：

S10数据采集，众测测试人员在众包平台上注册信息，参加考试，领取任务并参与测试提交报告；

S20特征提取，把采集到数据的来源分为人员信息、人机协同、历史测试数据三类；从获取的数据中提取出身份背景、社交人脉、能力证明、履约记录、历史行为五类特征共22个指标量；

S30训练逻辑回归分类器，包括以下步骤：

S31，建立训练数据集，训练数据集中的每个数据对应一个众测人员，包括自变量字段及决策目标字段，其中，自变量字段包括众测人员的身份背景、社交人脉、能力证明、履约记录、历史行为五类特征，决策目标字段包括专家对该人员对评价结果；

S32，将训练数据集中的指标数据与众测人员的评价输入逻辑回归模型，对逻辑回归模型进行训练，使用梯度上升法计算损失函数的最大似然估计，确定参数；

S33，构建预测函数，求所有数据的概率值，并根据概率值和阈值得出分类器的结果；

S40分类，使用逻辑回归分类器进行分类，得到众测人员的评价结果。

2.根据权利要求1所述众包测试人员的评价方法，其特征在于：所述步骤S20从数据中提取出22个指标量如下：

所述的身份背景类特征中有：学历、职业、证书、资源和地域；

所述的社交人脉类特征中有：社交网络和合作关系；

所述的能力证明类特征中有：等级考试、能力评估测试、完成任务等级、参与任务分布和时效；

所述的履约记录类特征中有：守约次数、守约率、近一年守约次数和近一年守约率；

所述的历史行为类特征中有：经验值、热度、BUG总价值、BUG挖掘能力、任务积分和报告质量。

3.根据权利要求1所述众包测试人员的评价方法，其特征在于：步骤S32中逻辑回归的损失函数计算公式如下：

其中，h_w(X_i)是x_i的条件概率，Y_i是第i行输入数据的标签，X_i是第i行输入数据的指标，m表示的数据的输入行数，w为所求的目标参数。

4.根据权利要求1所述众包测试人员的评价方法，其特征在于：步骤S33中逻辑回归的预测函数计算公式如下：

其中，w是目标参数，X是输入指标向量，w^T是w的转置。