基于机器学习的众包任务个性化推荐方法和系统

    公开(公告)号:CN115186174A

    公开(公告)日:2022-10-14

    申请号:CN202210620698.1

    申请日:2022-06-02

    Abstract: 本发明提供了一种基于机器学习的众包任务个性化推荐方法和系统,涉及任务调度技术领域。本发明根据众包竞赛的现有文献和众包平台的可用信息,基于融合动力、能力理论的福格行为学模型,构建了完整、精细的工人特征识别体系。同时通过爬取工人的历史数据,以及一段时间的任务数据,构建现在的工人‑任务交互数据,形成涵盖工人过去、现在信息的工人数据集,更好的衡量工人特征。帮助平台快速识别具备高价值的工人,基于当选概率生成推荐列表,最终实现众包任务的个性化推荐。

    基于深度学习的众包任务个性化推荐方法和系统

    公开(公告)号:CN114357284B

    公开(公告)日:2024-08-23

    申请号:CN202111556219.6

    申请日:2021-12-17

    Abstract: 本发明提供一种基于深度学习的众包任务个性化推荐方法和系统,涉及任务推荐技术领域。本发明利用Attention机制的选择性关注隐层状态和LSTM网络对时间序列预测的准确性等优势,能够实现有效获取数据中的关键信息,从而得到众包工人对任务选择的兴趣变化和核心关注点,实现对用户整个行为序列变化的动态因素捕捉,再通过引入Word2Vec词向量模型,计算众包工人与任务之间的相似关联度,精准地向众包工人推荐众包任务。同时,本发明将众包数据切分为结构化数据和非结构化数据,从中得到历史行为信息的显式特征和隐式特征,以挖掘更有价值的潜在特征信息,进一步提高推荐精准度。

Patent Agency Ranking