【技术实现步骤摘要】
本专利技术涉及互联网大数据及众包分配领域，具体涉及考虑多主体需求的众包竞赛任务与工作者智能匹配方法。
技术介绍
1、众包竞赛是以平台为媒介、以工作者专业知识和技能解决企业商业发展及创新性问题的一种新型知识经济模式。随着互联网和零工经济的兴起，越来越多的组织和个人选择加入众包平台，实现众包竞赛任务与工作者的高效合理匹配时众包平台的重要职责。目前，现有众包竞赛平台多采用“人工+关键词检索”的方式进行众包竞赛任务与工作者的匹配：①通过专业顾问对接雇主和工作者，并判断工作者与任务的匹配程度；②采用“发布任务-工作者自主投标-回收方案”的方式，将任务分配给多个工作者回收多个解决方案，并从中筛选出高质量方案。在上述过程中，专业顾问和工作者可通过关键词检索的方式进行信息搜索。
2、然而，由于任务多样性、工作者个性化和平台网络外部性等，上述匹配方式在匹配准确性、匹配效率、解决方案多样性、公平性等方面均具有较大不确定性，难以实现雇主与工作者之间的高效合理匹配，不利于众包平台的有效资源配置、智能化运营与可持续发展。因此如何综合考虑多主体需求，设计智能化的众包竞赛任务与工作者匹配方法，是众包平台实现高效合理匹配、提升可持续发展能力的关键。为此，申请人做了如下研究和分析：
3、众包竞赛任务与工作者的匹配涉及众包平台、雇主和工作者三个主体，具有多利益相关者特性。因此众包竞赛任务与工作者的智能匹配需要同时满足雇主、工作者和众包平台的需求，可将众包竞赛任务与工作者的匹配视为一个多目标优化问题。
4、在众包竞赛任务与工作者的
5、工作者参与机会公平性可分为工作者群体公平性和工作者个体公平性两个方面。众包平台分配给工作者的匹配资源越多，则工作者参与任务的机会也越多。然而，特定时间段内众包平台上的匹配资源是有限的，若匹配资源分配不均，则会造成“强者愈强，弱者愈弱”的马太效应，不利于众包平台的和谐稳定和长期发展。在资源分配过程中，胜任力水平较弱的工作者处于劣势地位，相比胜任力强的工作者，只能获得少部分的匹配资源。为避免马太效应，并更好地构建平台生态，众包平台需要给予不同胜任力水平的工作者相对公平的工作机会。为使得匹配资源能在同一群体的工作者之间公平分配，还需进一步考虑工作者的个体公平性，即根据工作者对众包平台的收入贡献度，为工作者分配与其收入贡献度成比例的匹配资源。
6、现有方法的限制：现有研究多基于资源优化配置视角，将众包任务的完成要求作为优化目标或约束条件，并设计优化算法求得满足优化目标和约束条件的最优任务与工作者匹配方案。其中优化目标多为雇主的成本最小化、质量和收益最大化等。然而，此类研究未考虑众包竞赛的平行参与特性，其目标函数并不适用于众包竞赛中知识型任务与工作者的匹配。由于知识型任务的定制化、非标准化和工作者能力、偏好的个性化，众包竞赛中知识型任务与工作者匹配的目标之一应为两者匹配度最大化，而不是以成本、质量等为目标。同时为保证解决方案多样性，众包竞赛中知识型任务与工作者的匹配还应考虑参与任务的工作者群体特征。另外，现有研究是一种以雇主利益为中心的优化方式，缺乏对工作者参与机会公平性的考虑。因此，如何综合考虑任务完成质量和工作者参与机会公平性，生成雇主、工作者和众包平台均满意且公平的众包竞赛任务与工作者匹配方案是亟需解决的技术问题。
技术实现思路
1、针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种考虑多主体需求的众包竞赛任务与工作者智能匹配方法，将众包竞赛任务与工作者的匹配视为多目标组合优化问题，并同时考虑任务完成质量和工作者参与机会公平性两个层面，设计以任务与工作者的匹配度、工作者知识多样性、工作者群体公平性和工作者个体公平性为优化目标的匹配模型，并针对问题特性设计多目标自适应混合启发式算法进行模型求解，提高众包竞赛任务与工作者匹配的准确性、公平性和匹配效率，从而保证雇主、工作者和众包平台三个主体的满意度。
2、本专利技术中考虑多主体需求的众包竞赛任务与工作者智能匹配方法与现有技术相比，具有如下有益效果：
3、本专利技术以众包平台、雇主和工作者均满意为原则，创新性地将任务完成质量分为解决方案质量与多样性两个维度，将工作者参与机会公平性分为工作者群体公平性和工作者个体公平性两个维度，并相应设计了任务与工作者总匹配度、工作者知识多样性、基于胜任力水平的工作者群体公平性和基于收入贡献度的工作者个体公平性四个目标函数，构建了多目标匹配模型。同时，设计了多目标自适应混合启发式算法进行模型求解，针对模型特性设计了非线性自适应多点交叉、公平导向的多点变异、变邻域搜索、染色体修复等策略，改善了算法的探索能力和收敛能力，提高了求解质量和效率。
本文档来自技高网...【技术保护点】
1.考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于，包括：
2.如权利要求1所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S2中，多目标众包竞赛任务与工作者匹配模型的目标函数表示为：
3.如权利要求2所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：多目标众包竞赛任务与工作者匹配模型的约束条件包括：
4.如权利要求2所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S2中，通过如下步骤构建工作者知识多样性目标：
5.如权利要求4所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S202中，将N个工作者的自我介绍文本作为语料库，记为Corpus＝{D1,...,Dn,...,DN}，其中Dn为第n个工作者的自我介绍文本；经过预处理后，每个工作者的自我介绍文本由一系列词构成，即Dn＝{d1,...,dw,...,d|wn|}，其中dw为第n个自我介绍文本中的第w个词，共包含|wn|个词；定义count(dw,Dn)为词dw在自我介绍文本
6.如权利要求3所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S3中，对NSGA-III算法进行改进生成一种多目标自适应混合启发式算法，进而基于该多目标自适应混合启发式算法求解多目标众包竞赛任务与工作者匹配模型，得到任务与工作者的匹配方案；
7.如权利要求6所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S306中，交叉和变异操作的逻辑如下：
8.如权利要求6所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S307中，近似支配原则的处理步骤如下：
9.如权利要求6所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S307中，设计邻域结构如下：
10.如权利要求6所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤S308中，染色体修复的处理步骤如下：
...【技术特征摘要】
1.考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于，包括：
2.如权利要求1所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤s2中，多目标众包竞赛任务与工作者匹配模型的目标函数表示为：
3.如权利要求2所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：多目标众包竞赛任务与工作者匹配模型的约束条件包括：
4.如权利要求2所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤s2中，通过如下步骤构建工作者知识多样性目标：
5.如权利要求4所述的考虑多主体需求的众包竞赛任务与工作者智能匹配方法，其特征在于：步骤s202中，将n个工作者的自我介绍文本作为语料库，记为corpus＝{d1,...,dn,...,dn}，其中dn为第n个工作者的自我介绍文本；经过预处理后，每个工作者的自我介绍文本由一系列词构成，即dn＝{d1,...,dw,...,d|wn|}，其中dw为第n个自我介绍文本中的第w个词，共包含|wn|个词；定义count(dw,dn)为词...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。