[发明专利]一种基于用户和项目双重时序相关性的众测任务推荐方法

说明书

一种基于用户和项目双重时序相关性的众测任务推荐方法，包括以下步骤，S1，计算用户间和项目间的关系权重，利用历史交互行为的偏序关系构建属性网络，并通过属性网络定义用户间和项目间的相似关系；S2，计算时间片相关性，获取任意时间片的相似时间片集合，利用用户间和项目间的关系权重计算用户时间片和项目时间片的相似关系；S3，构建待预测时间片用户项目矩阵，所述用户项目交互矩阵由用户时间片特征矩阵和项目时间片特征矩阵相乘得到，两种特征矩阵由待预测时间片相似时间片向量构成；S4，神经协同过滤网络随时间片更新而不断训练，直到网络更新至待预测时间片，随后对用户行为进行预测，得到预测结果。

技术领域

本发明涉及众测任务推荐的技术领域，尤其涉及一种基于用户和项目双重时序相关性的众测任务推荐方法。

背景技术

自二十一世纪以来，人类社会已全面进入信息化时代。计算机和互联网技术的应用快速普及，直至今日，旺盛的软件产业需求直接促进相关学科的学术发展，其中软件测试是软件生命周期中的重要环节之一，但传统的软件测试时间节奏缓慢，无法更全面覆盖软件质量问题，难以适应互联网环境下的软件测试任务。

众测能够利用互联网将软件测试任务分发给非特定群体，这些众包工作者具备基本技能，并且愿意利用业余时间工作，以获得对应报酬或其他服务。随着众测平台发展，测试人员、任务发布者、待测任务数量剧增，如果没有自动化推荐方法帮助，平台用户就会遇到信息过载问题，难以获取真正感兴趣的、有价值的测试任务，因此推荐算法重要性得到重视。众测场景中用户和任务形成的交互记录是一种隐式反馈数据，更多的利用上下文信息将有助于解决推荐问题中广泛存在的数据稀疏性问题和冷启动问题，而利用时序信息是其重要实践方法。

传统矩阵分解方法和基于用户的协同过滤方法作为推荐问题中的经典算法，常被用来做推荐问题实践，但众测领域单纯基于用户不能全面反映测试任务本身的协同规律，并且用户和任务间的非线性交互关系不能通过传统矩阵分解方法得到有效提取。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于用户和项目双重时序相关性的众测任务推荐方法，该发明能够利用时序信息对众包测试平台上待测任务进行推荐，更好的利用用户和测试项目之间的隐式反馈信息，提升推荐效果，促进众测平台的发展。

技术方案：为了实现上述发明目的，本发明提供了一种基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：包括以下步骤，

S1，计算用户间和项目间的关系权重，利用历史交互行为的偏序关系构建属性网络，并通过属性网络定义用户间和项目间的相似关系；

S2，计算时间片相关性，获取任意时间片的相似时间片集合，利用用户间和项目间的关系权重计算用户时间片和项目时间片的相似关系；

S3，构建待预测时间片用户项目矩阵，所述用户项目交互矩阵由用户时间片特征矩阵和项目时间片特征矩阵相乘得到，两种特征矩阵由待预测时间片相似时间片向量构成；；

S4，神经协同过滤网络随时间片更新而不断训练，直到网络更新至待预测时间片，随后对用户行为进行预测，得到预测结果；

S5，对预测结果进行排序，得到对未来用户和项目之间的行为预测最终结果。

进一步的，在本发明中：所述S1还包括以下步骤，

S11，遍历用户-项目交互记录，并以用户为节点、以用户先后消费同一项目为边构建消费网络图；

S12，根据偏序关系的数量获取两用户之间边的权重，两用户之间边的权重和两用户消费产品的集合并集的模之比表示偏序关系中前序用户对后序用户的影响力，以此可以得到任何一个用户对其他所有用户的影响力权重；

S13，对所有用户任意排序，然后利用某一用户对其他用户的影响力权重构造影响力向量，所述影响力向量中的每一维表示该用户对其他指定用户的影响力。