[发明专利]面向安全探测任务的众包对象评价方法和装置

说明书

本申请公开了一种面向安全探测任务的众包对象评价方法和装置，包括响应于获取到面向安全探测任务的众包对象的多个属性信息，量化各个属性信息对应的影响因素信息，其中影响因素包括众包中影响安全探测任务执行和激励的因素信息；基于层次分析法，确定影响因素信息的权重；对影响因素信息的权重进行一致性验证；响应于影响因素信息的权重进行一致性验证结果指示满足一致性验证，确定众包对象的评价分值。进而解决相关技术中众包任务的完成质量差的技术问题。

技术领域

本申请涉及网络探测众包技术领域，具体而言，涉及一种面向安全探测任务的众包对象评价方法和装置。

背景技术

安全探测任务众包可有效解决集中探测模式存在的构建成本高、监测点不足、探测区域分布不均、数据样本存在偏差等问题。相关技术中众包平台多采用积分等价值手段衡量众包对象，但是积分的方式严重影响众包任务的完成质量。相关技术还通过历史数据建立众包对象的偏好模型，采用构建推荐矩阵的方法实现众包的个性化推荐。上述方式仅是实现了对众包任务的推荐，并不能用于对众包对象的评价。

针对相关技术中，众包任务的完成质量差，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种面向安全探测任务的众包对象评价方法和装置，以解决众包任务的完成质量差的问题。

为了实现上述目的，第一方面，本申请提供了一种面向安全探测任务的众包对象评价方法。

根据本申请的面向安全探测任务的众包对象评价方法包括：响应于获取到面向安全探测任务的众包对象的多个属性信息，量化各个属性信息对应的影响因素信息，其中所述影响因素包括众包中影响安全探测任务执行和激励的因素信息；基于层次分析法，确定所述影响因素信息的权重；对所述影响因素信息的权重进行一致性验证；响应于所述影响因素信息的权重进行一致性验证结果指示满足一致性验证，确定众包对象的评价分值。

在一些实施例中，基于层次分析法，确定影响因素信息的权重包括：建立关于多个属性信息的层次化模型，确定各个属性信息对应的影响因素信息的关联信息；建立多维关于所述影响因素的对比矩阵；计算所述对比矩阵的最大特征值及对应的特征向量；归一化所述特征向量，得到所述影响因素的影响权重值。

在一些实施例中，对影响因素信息的权重进行一致性验证包括：基于所述特征向量和所述影响因素的数量确定计算一致性数值；响应于获取到随机一致性数值，确定计算一致性数值和随机一致性数值的比值；基于所述比值是否在预设数值范围内的判断结果，确定所述影响因素信息的权重是否满足一致性。

在一些实施例中，响应于所述影响因素信息的权重进行一致性验证结果指示满足一致性验证，确定检测点的权重值包括：响应于所述影响因素信息的权重进行一致性验证结果指示满足一致性验证，对所述量化后的影响因素信息进行无量纲处理；基于模糊积分法计算所述无量纲处理后的影响因素信息的值，并将其确定为众包对象的评价分值。

第二方面，本申请还提供了一种面向安全探测任务的众包对象评价装置包括：量化单元，被配置成响应于获取到面向安全探测任务的众包对象的多个属性信息，量化各个属性信息对应的影响因素信息，其中所述影响因素包括众包中影响安全探测任务执行和激励的因素信息；第一确定单元，被配置成基于层次分析法，确定所述影响因素信息的权重；验证单元，被配置成对所述影响因素信息的权重进行一致性验证；第二确定单元，被配置成响应于所述影响因素信息的权重进行一致性验证结果指示满足一致性验证，确定众包对象的评价分值。

在一些实施例中，第一确定单元进一步被配置成：建立关于所述多个属性信息的层次化模型，确定各个属性信息对应的影响因素信息的关联信息；建立多维关于所述影响因素的对比矩阵；计算所述对比矩阵的最大特征值及对应的特征向量；归一化所述特征向量，得到所述影响因素的影响权重值。