[发明专利]基于决策模型与遗传矩阵分解法的众包任务数据推荐方法

权利要求书

1.一种基于决策模型与遗传矩阵分解法的众包任务数据推荐方法，其特征在于，包括以下步骤：

1)对众包平台中的历史数据进行预处理，获得预处理后的历史数据，基于预处理后的历史数据建立任务特征矩阵和用户特征矩阵；

2)利用基于用户知识融合决策方法对任务特征矩阵和用户特征矩阵进行信息匹配，获得初始能力匹配矩阵；

3)根据任务特征矩阵和用户特征矩阵建立匹配决策模型；

4)根据初始能力匹配矩阵，利用遗传矩阵分解算法对匹配决策模型进行求解，获得用户与多个任务之间的匹配度，众包平台基于用户与多个任务之间的匹配度为用户进行众包任务推荐。

2.根据权利要求1所述的一种基于决策模型与遗传矩阵分解法的众包任务数据推荐方法，其特征在于，所述步骤1)中，利用自然语言NLP方法分别对历史数据中任务以及用户的属性信息进行标准化信息提取，分别获得任务和用户的标准化信息，由任务和用户的标准化信息构成预处理后的历史数据。

3.根据权利要求1所述的一种基于决策模型与遗传矩阵分解法的众包任务数据推荐方法，其特征在于，所述任务特征矩阵、用户特征矩阵与初始能力匹配矩阵之间满足以下关系：

A＝W·H

其中，W表示用户特征矩阵，用户特征矩阵W的维度为m*k，m表示用户总数，k表示每个用户分配的最大任务数量，为用户特征矩阵中的第i行元素，表示第i个用户的属性信息，i＝1，2，...，m。H表示任务特征矩阵，任务特征矩阵H的维度为k*n，n表示任务的总数，为任务特征矩阵中第j行元素，表示第j个任务的属性信息，j＝1，2，...，k。A为初始能力匹配矩阵，初始能力匹配矩阵A的维度为m*n，a_ij为初始能力匹配矩阵A中第i行第j列的元素，满足a_ij表示用户i与任务j的能力匹配值。

4.根据权利要求1所述的一种基于决策模型与遗传矩阵分解法的众包任务数据推荐方法，其特征在于，所述的匹配决策模型的目标方程为：

其中，f(W，H)表示特征矩阵匹配差值，A初始能力匹配矩阵，W表示用户特征矩阵，H表示任务特征矩阵，表示取绝对值的平方和的平方根操作；min表示最小化操作；

约束条件为：

1≤K≤k，K表示实际分配给用户的任务数量，k表示任务总数；

一个任务分配给每一个用户；

T＜T₀，T表示用户完成任务的实际时间，T₀表示完成任务所要求的时间。

5.根据权利要求1所述的一种基于决策模型与遗传矩阵分解法的众包任务数据推荐方法，其特征在于，所述步骤4)中，众包平台基于用户与多个任务之间的匹配度给出用户与多个任务的匹配推荐列表，从而实现众包任务推荐。