[发明专利]一种基于图神经网络的自适应众包任务推荐方法

权利要求书

1.一种基于图神经网络的自适应众包任务推荐方法，其特征在于，包括如下步骤：

步骤1，数据采集：获取真实应用场景中的众包任务对象集合和推荐人群集合；

步骤2，数据预处理阶段：根据众包任务对象和推荐人群依据经典KNN方法构建出众包网络图结构和推荐人群网络图结构；

步骤3，数据分析阶段：利用图神经网络方法GCN分别在众包网络图结构、推荐人群网络图结构上进行多轮信息传播，对众包任务以及推荐人进行任务嵌入表示和推荐人嵌入表示学习；

步骤4，任务推荐阶段：递归的进行步骤3的嵌入表示学习操作，多轮学习后，将得到的众包嵌入表示和推荐人嵌入表示采用t-SNE映射到同一空间当中，根据邻近原则，将对应的任务推荐到具体到个人。

2.根据权利要求1所述基于图神经网络的自适应众包任务推荐方法，其特征在于：步骤1中任务对象的特征信息包括起始时间、结束时间、所属类别、任务描述；推荐人群的属性信息包括性别、年龄、职业、地区、个人信息描述。

3.根据权利要求2所述基于图神经网络的自适应众包任务推荐方法，其特征在于：步骤2中根据众包任务对象和推荐人群依据经典KNN方法构建出众包网络图结构和推荐人群网络图结构的方法：

步骤2a)，针对众包任务对象，将众包任务对象根据其自身特征信息进行数据清洗，之后依据经典KNN方法，找出与每个众包任务最相似的k₁个其他众包任务，并将其与K₁个任务建立连边，由此构建出由所有众包任务构成的众包网络图结构，其中，k₁＝1,2,3，…，K₁，K₁表示需要找出的相似的众包任务个数；

步骤2b)，针对推荐人群，将推荐人群根据其属性信息进行数据清洗，之后依据经典KNN方法，找出与每个推荐人群最相似的k₂个其他推荐人，并将其与K₂个推荐人建立连边，由此构建出由推荐人构成的推荐人群网络图结构，其中，k₂＝1,2,3，…，K₂，K₂表示需要找出的相似的推荐人个数。

4.根据权利要求3所述基于图神经网络的自适应众包任务推荐方法，其特征在于：步骤3中利用图神经网络方法GCN分别在众包网络图结构、人群网络图结构上进行多轮信息传播，对众包任务以及推荐个人进行任务嵌入表示和推荐人嵌入表示学习的方法如下：

步骤3a)，基于图神经网络方法GCN在众包网络图结构上进行多轮信息传播，并对每一个众包任务学习对应的任务嵌入表示，便于应用到下游任务当中；

步骤3b)，基于图神经网络方法GCN在推荐人网络图结构上进行多轮信息传播，并对每一个推荐人学习对应的推荐人嵌入表示，便于应用到下游任务当中。

5.根据权利要求4所述基于图神经网络的自适应众包任务推荐方法，其特征在于：步骤4中递归的进行步骤3的嵌入表示学习操作，多轮学习后，将得到的众包嵌入表示和推荐人嵌入表示采用t-SNE映射到同一空间当中，根据邻近原则，将对应的任务推荐到具体到个人方法如下：

步骤4a)，将每一个众包任务学习到的对应任务嵌入表示利用t-SNE映射到相应二维空间当中；

步骤4b)，将每一个推荐人学习到的对应推荐人嵌入表示利用t-SNE映射到相应二维空间当中；

步骤4c)，根据邻近原则，将对应的任务推荐到具体到个人，同时完成多任务分配给一人，以及一任务可同时分配给多人。

6.根据权利要求5所述基于图神经网络的自适应众包任务推荐方法，其特征在于：需要找出的相似的众包任务个数K₁取5。

7.根据权利要求6所述基于图神经网络的自适应众包任务推荐方法，其特征在于：需要找出的相似的推荐人个数K₂取5。