[发明专利]一种群智感知系统推荐用户方法

说明书

本发明涉及一种群智感知系统推荐用户方法，属于群智感知系统优化技术领域。包括以下步骤：(1)获取用户历史数据；(2)量化用户、任务特征向量以及建立用户‑任务数据质量矩阵；(3)从原始用户群体中得到任务消息推送群体；(4)对上述推送群体进行最终参与用户的挑选；(5)获取最终参与用户数据，更新用户‑人物数据质量矩阵。对比现有技术，本发明方法充分考虑了用户的个人兴趣偏好，用户完成不同任务数据质量存在差异的问题，从而可以更有效的进行用户推荐；对有兴趣参与任务的用户根据其历史参与的数据质量情况以及当前已选取用户的规模来选取最终参与任务的用户，使得平台既可以保证任务的完成，又可以获得最大的利益。

技术领域

本发明属于群智感知系统优化技术领域，具体涉及一种群智感知系统的推荐用户方法，用于减少任务的推送开销，以提高群智感知系统的平台收益。

背景技术

目前，群智感知系统拥有大量的注册用户，使得平台推送任务存在网络开销过大的问题。同时，由于群智网络系统中用户的兴趣偏好不同、用户质量参差不齐，使得任务推送信息利用率过低。解决上述问题的一种可行方法是对注册用户的数据质量进行评估，使用相关的推荐方法，以获得高质量用户群体。用户数据质量通常在一个任务执行过程中是固定的，可以衡量用户在任务中的表现能力，即当任务执行过程中，根据用户的数据质量值，来衡量其在任务中的价值，决定是否推送任务给该用户。用户数据质量的评估通常具有多维度评价、多系统打分、动态更新的特点。

在量化完用户的数据质量之后，需要解决的关键问题是如何选择推荐用户进行任务推送，即给定所有用户的历史数据质量信息，设计用户推荐方案使得最终的任务数据质量满足一定阈值条件下平台的利益可以最大化。

目前，群智感知系统中关于用户数据质量的研究日趋成熟，但这些解决方案只从用户兴趣度或用户数据质量单方面考虑招聘用户，并且仅支持单任务情况，并未充分利用不同种任务下的数据质量信息以及任务间的关联关系。

发明内容

本发明的目的是针对现有群智感知系统推荐用户存在的任务推送开销大、信息利用率低的问题，提出一种群智感知系统的推荐用户方法，使得多任务同时存在下系统平台的利益最大化。本方法尤其适用于多任务、海量用户以及用户数据质量可预测的群智感知系统。

本发明的目的是通过下述技术方案实现的。

一种在群智感知系统中推荐用户的有效方法，包括以下步骤：

步骤一、获取用户在群智感知系统中的数据质量信息，该质量信息由用户历史参与情况以及完成不同任务的历史数据质量信息衡量；

步骤二、量化每个用户与每个任务的特征向量，并根据步骤一中所获得的数据质量信息，建立用户-任务数据质量矩阵F，其第t行第i列值f(t,i)表示用户i完成任务t的数据质量，其中t∈{1,2,...,m}，m表示任务数，i∈{1,2,...,n}，n表示用户数；

作为优选，所述f(t,i)的取值根据用户种类的不同分别赋值，具体如下：首先将用户划分为如下四种：新用户，从未回复该任务报价信息的用户，提交报价但从未被选中的用户以及具有历史参与数据的用户；然后，对前三种没有参与过该任务的用户，数据质量分别赋值以区别于参与过该任务的数据质量值，对于第四种用户，其数据质量依据历史完成任务情况赋值。

步骤三、依据步骤二得到的用户-任务数据质量矩阵F对当前任务t的参与用户进行筛选处理，获得推荐用户群体Xt进行任务消息推送；

具体的但不限于此：所述筛选处理，即对任务消息推送的用户群体的推荐的过程(UFBC)如下：

1)首先，令全体用户U为任务t的推荐用户Xt；

2)统计所有用户的所有特征空间取值ft(U)；

3)依次取值v∈ft(U)，统计其在当前任务t的合法用户数量Spf(v)以及非法用户数量Siv(v)；