[發(fā)明專利]一種眾包任務(wù)推薦方法

在審

• 申請?zhí)枺?/td>: 202010464312.3
• 申請日: 2020-05-27
• 公開（公告）號: CN111626616A
• 公開（公告）日: 2020-09-04
• 發(fā)明（設(shè)計）人: 劉端陽
• 申請（專利權(quán)）人: 深圳莫比嗨客數(shù)據(jù)智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/35;G06F16/9535;G06N3/04
• 代理公司: 大連至誠專利代理事務(wù)所(特殊普通合伙) 21242
• 代理人: 楊威;楊爽

1.一種眾包任務(wù)推薦方法，其特征在于，包括如下步驟：

S1：更新眾包平臺上每一眾包工人對應(yīng)的用戶畫像參數(shù)，所述用戶畫像參數(shù)包括用戶畫像屬性以及用戶畫像等級；

S2：根據(jù)待處理任務(wù)的要求對所述眾包工人進(jìn)行篩選并獲得眾包工人列表，所述眾包工人列表由符合待處理任務(wù)的要求的眾包工人構(gòu)成；

S3：確定所述待處理任務(wù)的完成時間和價格，所述時間和價格根據(jù)所述待處理任務(wù)的要求和所述眾包工人列表確定；

S4：確定所述眾包工人的推薦概率列表，所述推薦概率列表根據(jù)所述完成時間和價格并通過任務(wù)推薦模型；

S5：根據(jù)所述待處理任務(wù)和所述推薦概率列表，將待處理任務(wù)推薦給所述眾包工人列表中的眾包工人。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S1中所述用戶畫像屬性包括：背景與技術(shù)描述、在線時間偏好描述和歷史任務(wù)完成情況描述；

所述背景與技術(shù)描述包括：所學(xué)專業(yè)、從事領(lǐng)域和技能等級；

所述在線時間偏好描述包括：常登錄時間段和常領(lǐng)取任務(wù)時間段；

所述歷史任務(wù)完成情況包括：常完成任務(wù)的類型、常完成任務(wù)所屬領(lǐng)域、完成任務(wù)的準(zhǔn)確率和常完成任務(wù)的價格。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述S1中所述用戶畫像等級更新包括以下步驟：

S101：采集背景與技術(shù)描述、在線時間偏好描述和歷史任務(wù)完成情況描述參數(shù)，通過文本預(yù)處理剔除非法數(shù)據(jù)；

S102：計算所述屬性中數(shù)值及集合信息，包括常登錄時長、常完成任務(wù)的時間、常登錄時間段等；采用LDA聚類計算更新常完成任務(wù)的類型、常完成任務(wù)所屬領(lǐng)域；

S103：根據(jù)完成任務(wù)情況計算眾包工人等級評分，根據(jù)等級評分歸類技能等級；在當(dāng)前第t+1周期后等級評分SC_i計算公式為：

其中，SC_i為當(dāng)前第t+1周期的等級的評分；對眾包工人w_i，BC_i為技能等級(BC_i∈C，C為等級集合)，TA_i為眾包工人完成任務(wù)的準(zhǔn)確率，TA_i(t)為截止第t周期其任務(wù)完成準(zhǔn)確率，α為任務(wù)完成準(zhǔn)確度系數(shù)，β為任務(wù)完成數(shù)量系數(shù)，M為當(dāng)前第t+1周期內(nèi)眾包平臺總?cè)蝿?wù)數(shù)，m_i為眾包工人w_i在當(dāng)前第t+1周期內(nèi)完成任務(wù)數(shù)，DI_j為第j個任務(wù)的難度，TN_j為第j個任務(wù)的題目數(shù)量；

S104：根據(jù)所述眾包工人的評分，進(jìn)行等級更新。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述S3中根據(jù)所述待處理任務(wù)的要求和所述眾包工人列表確定所述待處理任務(wù)的完成時間和價格包括如下步驟：

S301：通過LDA聚類所有待處理任務(wù)的文本來確定所述待處理任務(wù)的類別；

S302：從歷史任務(wù)中抽取與所述待處理任務(wù)同屬一類的所有任務(wù)集合；

S303：建立由歷史任務(wù)的題目數(shù)量、任務(wù)發(fā)布方設(shè)定的題目難度值、完成準(zhǔn)確率、完成時間和定價組成的訓(xùn)練集，并對所述訓(xùn)練集進(jìn)行線性回歸處理；并分別擬合待處理任務(wù)的完成時間和價格的函數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述S4中所述推薦模型的建立步驟如下：

S401：根據(jù)歷史眾包任務(wù)和用戶畫像構(gòu)建推薦模型訓(xùn)練集，并得到待處理任務(wù)中的文本信息和眾包工人參與度信息；

S402：通過獨熱編碼(One-Hot)對所述文本信息和眾包工人參與度信息進(jìn)行處理，并將處理后的文本信息輸入至雙向循環(huán)神經(jīng)網(wǎng)絡(luò)來提取文本高層特征，將眾包工人參與度信息分輸入至單向循環(huán)神經(jīng)網(wǎng)絡(luò)來提取活躍度高層特征；

S403：采用集合元素間按位相乘方法對所述文本高層特征和活躍度高層特征進(jìn)行融合得到最終特征；

S404：將所述最終特征輸入softmax層進(jìn)行計算得到所述推薦概率列表。