[發明專利]一種基于激勵機制的群智服務交易匹配方法、系統和介質

在審

• 申請號: 202110259911.6
• 申請日: 2021-03-10
• 公開（公告）號: CN113034223A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 秦波;劉雅妮;劉奕凡;劉炯楠;郭云達;耿一夫;胡晟
• 申請（專利權）人: 中國人民大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/00;G06F21/64;G06Q30/02
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 趙悅

本發明屬于智能服務交易領域，涉及一種基于激勵機制的群智服務交易方法、系統和介質，包括以下步驟：S1服務需求者發布服務需求任務，并扣除服務需求任務對應的預估酬金額；S2服務需求任務根據交易智能合約發送至服務供給者；S3服務供給者選擇提供服務或推薦給其他服務供給者，并記錄每個服務供給者對認為的直接貢獻值以及推薦貢獻值；S4在服務需求任務完成時計算每個供給者的總貢獻值，并根據總貢獻值給每個服務供給者發放酬金。本發明可以利用激勵機制和群體智能高效地將服務供給者的產品推薦給最需要的人，同時也可以實現服務需求者尋求高質量的服務的需求，尤其是對于需要大量人工操作的工作，可以顯著提高系統的自動化水平。

技術領域

本發明涉及一種基于激勵機制的群智服務交易方法、系統和介質，屬于智能服務交易領域。

背景技術

隨著大數據時代的到來，海量數據不斷產生。這給智能服務交易領域帶來了新的機遇和挑戰，廣義的服務交易包括實體商品交易和虛擬服務交易，如常見的物品買賣、任務懸賞、技術外包、有償問答等。服務交易本質上是社會資源合理的再分配，可以滿足人們獲取資源或賺取收益的需求。在當下新業態環境下，資源傾斜現象愈發嚴重，人們獲取不同資源的需求也日益增長，服務交易雙方如何通過社交網絡高效地進行需求匹配從而使交易智能化變成了一個新的問題。

當前傳統的商品交易的智能化是從海量的交易記錄中提取分析用戶和商品的特征標簽，訓練推薦算法模型，從而預測用戶最喜歡的商品。這種預測模型也可以幫助商品的提供者進行自己商品受眾的定位，從而精準進行廣告投放。然而在服務交易的場景中，由于缺乏足夠的交易記錄，而服務產品具有多樣化、多來源的特點，通常難以訓練出一個滿足需求的推薦模型。同時，面對推薦系統中常見的冷啟動問題，如何為交易雙方提供更加個性化的匹配推薦，準確高效地將某項服務推廣到需求方的問題也亟待解決。

發明內容

針對上述問題，本發明的目的是提供一種基于激勵機制的群智服務交易匹配方法、系統和介質，其利用群體智能在服務交易的場景下根據買賣雙方的真實需求提供智能化的推薦與匹配。

為實現上述目的，本發明采取以下技術方案：一種基于激勵機制的群智服務交易方法，包括以下步驟：S1服務需求者發布服務需求任務，并扣除服務需求任務對應的預估酬金額；S2服務需求任務根據交易智能合約發送至服務供給者；S3服務供給者選擇提供服務或推薦給其他服務供給者，并記錄每個服務供給者對認為的直接貢獻值以及推薦貢獻值；S4在服務需求任務完成時計算每個供給者的總貢獻值，并根據總貢獻值給每個服務供給者發放酬金。

進一步，預估酬金額根據服務需求數量自動計算，其包括給予服務供給者和推廣者的酬金，服務供給者選擇提供服務或推薦給其他服務供給者，若其他服務供給者為服務需求者提供服務，則前一個服務供給者能夠得到相應的推廣酬金。

進一步，步驟S2中的服務供給者能夠創建推廣需求，創建推廣任務時，根據推廣任務需達到的用戶量自動計算應抵押酬金額，推廣任務根據交易智能合約發送至服務需求者。

進一步，服務需求者在接受到推廣任務后，選擇與服務供給者達成交易或推薦給其他服務需求者，若其他服務需求者與服務供給者達成交易，則前一個服務需求者能夠得到相應的推廣酬金。

進一步，步驟S3中直接貢獻值以及推薦貢獻值的計算方法為：初始化服務需求任務的獎勵池，輸入為服務需求數量或推廣需達到的用戶量N，輸出預估酬金額；使服務需求任務或推廣任務在用戶關系網絡上通過用戶之間的推薦形成獎勵網絡G，參與任務完成的用戶的工作量W，輸出為獎勵網絡G上每個用戶的推薦貢獻FC和直接貢獻值WC。

進一步，總貢獻值為直接貢獻和推薦貢獻的和。

進一步，總貢獻值R(WC,FC)的計算公式為：