本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，具體地說(shuō)是一種基于眾包模式的推薦有效解答者的方法。

背景技術(shù)：

隨著互聯(lián)的發(fā)展，眾包的興起引起了生產(chǎn)組織的變化，眾包將成為突破企業(yè)邊界的價(jià)值網(wǎng)絡(luò)，并將位于世界各地的專(zhuān)業(yè)的或具有興趣的人聯(lián)系起來(lái)，成為可以生產(chǎn)經(jīng)濟(jì)價(jià)值的單位。眾包模式的快速發(fā)展有效擴(kuò)大了電子商務(wù)的范圍，形成了新的電子商務(wù)模式。在眾包模式下，企業(yè)可以將自己的難題通過(guò)網(wǎng)絡(luò)眾包平臺(tái)發(fā)布，并且提供一定的資金來(lái)招募人才解決企業(yè)的難題。同時(shí)解答者可以在眾包平臺(tái)上尋找適合自己的任務(wù)，提交解決成果后就有機(jī)會(huì)獲得一定的報(bào)酬。這種模式降低了企業(yè)的成本，同時(shí)滿(mǎn)足供需雙發(fā)的需求，具有良好的發(fā)展前景。

現(xiàn)有的眾包模式是這樣的：眾包平臺(tái)中，企業(yè)(雇主)將任務(wù)發(fā)布到平臺(tái)上，對(duì)任務(wù)感興趣的解答者可以參與任務(wù)的解答，在任務(wù)到截止日期后，企業(yè)(雇主)在眾多篩選解答者提供的解答方案，選擇出滿(mǎn)意的解答方案，提供滿(mǎn)意方案的解答者可以得到任務(wù)報(bào)酬。然而，在大量的解答方案中挑選出令企業(yè)滿(mǎn)意的方案非常耗費(fèi)時(shí)間和精力，導(dǎo)致一些企業(yè)對(duì)眾包模式望而卻步。

目前，對(duì)于上述問(wèn)題，眾包平臺(tái)還缺少一種有效的解決方法，正是基于以上原因，現(xiàn)在提出了一種基于眾包模式的推薦有效解答者的方法，通過(guò)推薦方法得到有效解答者，即能為企業(yè)(雇主)提供滿(mǎn)意方案的解答者。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的技術(shù)任務(wù)是針對(duì)以上不足之處，提供一種基于眾包模式的推薦有效解答者的方法。

一種基于眾包模式的推薦有效解答者的方法，其具體實(shí)現(xiàn)過(guò)程為：

首先發(fā)布任務(wù)，然后從發(fā)布任務(wù)的平臺(tái)中獲取參與任務(wù)解答的所有解答者，通過(guò)評(píng)價(jià)維度得到解答者的行為數(shù)據(jù)，對(duì)從平臺(tái)中獲取的數(shù)據(jù)進(jìn)行處理，得到對(duì)解答者的排序結(jié)果，從而達(dá)到推薦的目的。

在發(fā)布任務(wù)時(shí)，獲取當(dāng)前任務(wù)信息并記錄，這里的的任務(wù)信息包括任務(wù)ID，任務(wù)名稱(chēng)和任務(wù)類(lèi)型。

從平臺(tái)中獲取所有解答者是指獲取解答者的ID、解答者名稱(chēng)和任務(wù)ID，其中解答者名稱(chēng)是指解答者在平臺(tái)中的注冊(cè)用戶(hù)名，任務(wù)ID是指解答者參與的任務(wù)的ID。

所述評(píng)價(jià)維度是指對(duì)解答者的評(píng)價(jià)分為知識(shí)契合度、參與任務(wù)頻率、中標(biāo)率、任務(wù)收入、好評(píng)率、實(shí)名認(rèn)證率六個(gè)方面，其中知識(shí)契合度是指解答者歷史參與的所有任務(wù)類(lèi)別中當(dāng)前任務(wù)類(lèi)別所占的百分比；參與任務(wù)頻率是指解答者平均每月參與的任務(wù)數(shù)量；中標(biāo)率是指解答者的中標(biāo)任務(wù)數(shù)與參與任務(wù)數(shù)的百分比；任務(wù)收入是指解答者在以往參與的任務(wù)中的總收入；好評(píng)率是指解答者在任務(wù)中收到的主動(dòng)好評(píng)個(gè)數(shù)占收到的主動(dòng)評(píng)價(jià)總數(shù)的百分比；實(shí)名認(rèn)證率是指解答者在眾包平臺(tái)中的實(shí)名認(rèn)證是否獲得，當(dāng)已獲得時(shí)，認(rèn)證率為1，無(wú)認(rèn)證時(shí)為0。

獲取到評(píng)價(jià)維度數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行處理的過(guò)程為：

首先對(duì)獲取的評(píng)價(jià)維度數(shù)據(jù)進(jìn)行預(yù)處理；

然后將獲取的數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化后的數(shù)據(jù)；

獲取每個(gè)評(píng)價(jià)指標(biāo)的權(quán)重，將所述歸一化處理的數(shù)據(jù)進(jìn)行關(guān)聯(lián)，得到關(guān)聯(lián)后的契合度；

對(duì)解答者與任務(wù)的契合度按契合度由高到低進(jìn)行排序，對(duì)契合度高的解答者進(jìn)行推薦。

上述評(píng)價(jià)指標(biāo)的權(quán)重使用AHP-熵權(quán)法得到。

契合度的排序通過(guò)topsis方法實(shí)現(xiàn)。

本發(fā)明的一種基于眾包模式的推薦有效解答者的方法和現(xiàn)有技術(shù)相比，具有以下有益效果：

本發(fā)明的一種基于眾包模式的推薦有效解答者的方法，通過(guò)推薦方法得到有效解答者，即能為企業(yè)(雇主)提供滿(mǎn)意方案的解答者，可以有效減少任務(wù)發(fā)布者在大量網(wǎng)絡(luò)信息中篩選解答者所耗費(fèi)的時(shí)間和精力，實(shí)用性強(qiáng)，適用范圍廣泛，具有很好的推廣應(yīng)用價(jià)值。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

一種基于眾包模式的推薦有效解答者的方法，針對(duì)某一任務(wù)，從發(fā)布任務(wù)的平臺(tái)中獲取參與任務(wù)解答的所有解答者，依據(jù)推薦方法中的評(píng)價(jià)維度得到解答者的行為數(shù)據(jù)，對(duì)從平臺(tái)中獲取的數(shù)據(jù)依據(jù)推薦方法進(jìn)行處理，通過(guò)處理后的數(shù)據(jù)得到對(duì)解答者的排序結(jié)果，從而達(dá)到推薦的目的。通過(guò)本方法，可以有效減少任務(wù)發(fā)布者在大量網(wǎng)絡(luò)信息中篩選解答者所耗費(fèi)的時(shí)間和精力。

其實(shí)現(xiàn)過(guò)程為：

針對(duì)發(fā)布的任務(wù)，獲取當(dāng)前任務(wù)類(lèi)型；

從平臺(tái)中獲取參與任務(wù)的所有解答者；

依據(jù)推薦方法中的評(píng)價(jià)維度得到解答者的行為數(shù)據(jù)；

根據(jù)推薦方法對(duì)數(shù)據(jù)進(jìn)行處理；

通過(guò)處理后的數(shù)據(jù)得到對(duì)解答者的排序結(jié)果，從而達(dá)到推薦的目的。

更為具體的：

從發(fā)布任務(wù)的網(wǎng)絡(luò)平臺(tái)中獲取任務(wù)類(lèi)型，內(nèi)容記錄在表TASK中。結(jié)構(gòu)如下：

在網(wǎng)絡(luò)平臺(tái)中依據(jù)當(dāng)前任務(wù)，得到參與該任務(wù)的所有解答者，內(nèi)容記錄在表ANSWER中。結(jié)構(gòu)如下：

推薦方法中對(duì)解答者的評(píng)價(jià)分為知識(shí)契合度、參與任務(wù)頻率、中標(biāo)率、任務(wù)收入、好評(píng)率、實(shí)名認(rèn)證率六個(gè)方面，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理獲取解答者行為數(shù)據(jù)中這六個(gè)方面的數(shù)據(jù)。

將獲取的數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化后的數(shù)據(jù)；

使用AHP-熵權(quán)法得到每個(gè)評(píng)價(jià)指標(biāo)的權(quán)重，將所述歸一化處理的數(shù)據(jù)進(jìn)行關(guān)聯(lián)。內(nèi)容記錄在表BEHAVIOR中。結(jié)構(gòu)如下：

使用topsis方法對(duì)解答者與任務(wù)的契合度按契合度由高到低進(jìn)行排序，對(duì)契合度高的解答者進(jìn)行推薦。內(nèi)容記錄在表REORDER中。結(jié)構(gòu)如下：

具體實(shí)例：以眾包平臺(tái)中代表性較強(qiáng)的“任務(wù)中國(guó)”作為取數(shù)樣本平臺(tái)。任取其中一例交易任務(wù)進(jìn)行分析。該任務(wù)為“公司LOGO設(shè)計(jì)”，任務(wù)類(lèi)型為L(zhǎng)OGO設(shè)計(jì)類(lèi)。將數(shù)據(jù)記錄在表TASK中。

在網(wǎng)絡(luò)平臺(tái)中依據(jù)當(dāng)前任務(wù)，得到參與該任務(wù)的所有解答者，內(nèi)容記錄在表ANSWER中，與表TASK通過(guò)TASK_ID進(jìn)行關(guān)聯(lián)。

將獲取的數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化后的數(shù)據(jù)；

使用AHP-熵權(quán)法得到每個(gè)評(píng)價(jià)指標(biāo)的權(quán)重，將所述歸一化處理的數(shù)據(jù)進(jìn)行關(guān)聯(lián)。內(nèi)容記錄在表BEHAVIOR中。

以主觀權(quán)重、客觀權(quán)重與綜合權(quán)重兩種偏差平方和最小為目的建立函數(shù)：得到最終指標(biāo)權(quán)重。

使用topsis方法對(duì)解答者與任務(wù)的契合度按契合度由高到低進(jìn)行排序，對(duì)契合度高的解答者進(jìn)行推薦。通過(guò)得到的解答者的行為數(shù)據(jù)，進(jìn)行排序操作：

最后得到排序結(jié)果。

Select REORDER_ANSWER_ID from REORDER where REORDER_FIT_GOAL in(select Max(REORDER_FIT_GOAL)from REORDER)。

可以得到與該任務(wù)契合度最高的解答者。

通過(guò)上面具體實(shí)施方式，所述技術(shù)領(lǐng)域的技術(shù)人員可容易的實(shí)現(xiàn)本發(fā)明。但是應(yīng)當(dāng)理解，本發(fā)明并不限于上述的具體實(shí)施方式。在公開(kāi)的實(shí)施方式的基礎(chǔ)上，所述技術(shù)領(lǐng)域的技術(shù)人員可任意組合不同的技術(shù)特征，從而實(shí)現(xiàn)不同的技術(shù)方案。

除說(shuō)明書(shū)所述的技術(shù)特征外，均為本專(zhuān)業(yè)技術(shù)人員的已知技術(shù)。