[发明专利]一种知识众包冷启动任务建模与推荐方法

权利要求书

1.一种知识众包冷启动任务建模与推荐方法，其特征在于，包括以下步骤：

S1:获取外部数据，构建训练集和测试集，其中，所述外部数据包括知识众包冷启动任务-服务商交互记录、知识众包冷启动任务显式属性和服务商显式属性，执行步骤S2；

S2:构建交互预测模型，其中，所述交互预测模型包括自注意力机制网络层，用所述训练集训练所述交互预测模型，用所述测试集测试所述交互预测模型；执行步骤S3；

S3:将待预测知识众包冷启动任务显式属性输入训练好的交互预测模型，得到知识众包冷启动任务-服务商交互预测情况；基于所述知识众包冷启动任务-服务商交互预测情况，为知识众包冷启动任务推荐服务商，完成推荐。

2.根据权利要求1所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，S2中，所述交互预测模型还包括嵌入层，利用所述嵌入层产生所述外部数据的嵌入向量序列，所述嵌入向量序列包括知识众包冷启动任务向量序列、服务商向量序列。

3.根据权利要求2所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，利用所述嵌入层产生所述知识众包冷启动任务向量序列的方法为：

S21：基于知识众包冷启动任务显式属性，获取知识众包冷启动任务显式属性嵌入；

S22：基于知识众包冷启动任务显式属性嵌入，通过相似度计算获取相似历史任务及其显式属性嵌入；

S23：随机初始化相似历史任务的隐式特征向量；

S24：将所述知识众包冷启动任务显式属性嵌入、相似历史任务显式属性嵌入、相似历史任务的隐式特征向量进行拼接，得到知识众包冷启动任务向量序列。

4.根据权利要求3所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，利用所述嵌入层产生所述服务商向量序列的方法为：

S31:基于服务商显式属性，获取服务商显式属性嵌入；

S32:随机初始化服务商的隐式特征向量；

S33:基于所述知识众包冷启动任务-服务商交互记录，获取服务商历史参与任务显式属性嵌入；

S34:随机初始化服务商历史参与任务的隐式特征向量；

S35:将所述服务商显式属性嵌入、服务商的隐式特征向量、服务商历史参与任务显式属性嵌入、服务商历史参与任务的隐式特征向量进行拼接，得到服务商向量序列。

5.根据权利要求4所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，步骤S21中，基于知识众包冷启动任务显式属性，获取知识众包冷启动任务显式属性嵌入的方法为：

S211:对所述知识众包冷启动任务显式属性进行文本预处理；

S212:采用词向量法对预处理的所述知识众包冷启动任务显式属性进行向量化，得到知识众包冷启动任务中所有显式属性嵌入集合；

S213:将知识众包冷启动任务所述所有显式属性嵌入进行拼接，得到知识众包冷启动任务显式属性嵌入。

6.根据权利要求5所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，获取所述服务商显式属性嵌入、服务商历史参与任务显式属性嵌入的方法与获取知识众包冷启动任务显式属性嵌入的方法相同。

7.根据权利要求1所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，步骤S2中，所述自注意力机制网络层包括第一自注意力机制网络、第二自注意力机制网络；将知识众包冷启动任务向量序列输入第一自注意力机制网络，得到任务融合向量表示；将服务商向量序列输入第二自注意力机制网络，得到服务商融合向量表示。

8.根据权利要求1所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，所述交互预测模型还包括输出层，利用输出层对服务商融合向量表示和任务融合向量表示进行内积，输出知识众包冷启动任务-服务商交互预测情况。

9.根据权利要求3所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，步骤S22中，所述相似历史任务是通过知识众包冷启动任务显式属性嵌入之间的余弦相似度计算得到的。

10.根据权利要求1所述的一种知识众包冷启动任务建模与推荐方法，其特征在于，步骤S2中，用所述训练集训练所述交互预测模型过程中，采用成对损失函数和Adam算法训练所述交互预测模型。