CN110110962A - 一种任务群智执行团队的优选方法 - Google Patents

Abstract

本发明公开了一种任务群智执行团队的优选方法，包括步骤：获取发包方发布的任务及任务指标；获取进行任务投标的团队及团队指标；根据任务指标对进行任务投标的团队进行筛选；对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队；当任务执行团队完成任务后，对任务执行团队的指标进行更新。本发明用于解决通用众包过程中个体和团队的指标评估以及优选选标问题。

Description

一种任务群智执行团队的优选方法

技术领域

本发明涉及数据获取及处理领域，尤其涉及一种任务群智执行团队的优选方法。

背景技术

互联网应用与服务已经成为人们日常生活中不可或缺的部分，人们生活的方方面面都离不开互联网应用服务的支持。事实上，每一个联网的用户不仅仅是互联网应用服务的使用者，同时也是其内容和服务的提供者。微博、社区和论坛等有赖于用户生成的内容，为其它有需求的用户提供服务，同时这些内容也成为互联网大数据的主要来源。

不仅如此，互联网用户之间通过相互协作，依靠群体智慧，还可以完成许多复杂的任务，譬如面向开源及私有软件项目的托管平台GitHub汇集了大量软件开发人员，共同完成了许多大型软件的开发；基于互联网、内容开放的全球多语言百科全书Wikipedia，由全球用户参与自由地创建和编辑，相互协作，共同完成了1.6亿多词条的编写；此外还有相当多的众包众测平台，如阿里众包、开源众包和百度众测等，完成了数据标注、软件开发、产品测试等相当大的众包任务。这些应用得以成功的关键在于依托了互联网用户的相互协作和群体智慧，这可以看作是一种基于互联网的新型计算模式——称之为群智协同计算。

众包是一种典型的以人群协同为基础的群智实现方式。发包方通过招标的形式将任务需求发布到众包平台，有能力和意愿的用户可以单独竞标，也可以组建团队来竞标，以保证任务完成的时效和质量。平台协助，发包方决定，选择最合适的投标方来完成任务。除了小部分稍微独立的众包任务可以由一个用户单独完成以外，大部分的众包任务都需要多个用户的合作和协同才能有效地完成。而在线用户在知识背景、能力水平等方面参差不齐，在不受信任的开放网络环境下具有差异性、不确定性。因此，如何在多个竞标的团队中选择优质的团队，以使任务得以高质量高效率低成本地完成，成为众包过程效用实现的一个重难点。

竞标团队由众包平台的用户组建而成。为了实现优质团队的筛选，必须有效地利用平台数据，对平台用户的用户信息和活动数据进行建模处理和分析，以对发包方的信誉和接包方的能力和信用进行有效地评估。因此，对平台用户历史数据的处理和分析，也是需要解决的问题。

除此之外，由于众包团队一般依托任务而存在，任务完成后团队即解散，具有流动性。因此，如何通过团队各成员的评估达到对团队整体能力的评估，也即团队各成员能力到团队总能力的映射，也是需要解决的重点。

发明内容

本发明的目的在于克服现有技术中的缺点，提供一种任务群智执行的团队优选方法。本发明通过将用户指标映射到团队指标从而对团队进行筛选、评估和排序，能够高效地选择符合任务指标的最优任务执行团队。

本发明的目的能够通过以下技术方案实现：

一种任务群智执行团队的优选方法，包括步骤：

获取发包方发布的任务及任务指标；

获取进行任务投标的团队及团队指标；

根据任务指标对进行任务投标的团队进行筛选；

对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队；

当任务执行团队完成任务后，对任务执行团队的指标进行更新。

具体地，所述任务指标包括能力值、信用值、任务完成时间和任务回报。

具体地，所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。

进一步地，团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到：

对于能力向量第i项，从团队中n个成员的能力ability_ij(j＝1,2,...,n)到团队能力abilityT_i，可以根据实际情况选择不同的映射方法：

取最大：

取平均：

求和：

其中，p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损。

同理，团队信用值creditT和团队任务完成质量qualityT取平均值：

进一步地，所述根据任务指标对进行任务投标的团队进行筛选的步骤中，筛选方法为团队指标需满足：

t_e≤t₀，C_e≤V₀

其中，t_e表示预期完成时间，t₀表示任务完成时间，C_e表示预期回报，C₀表示任务回报。

进一步地，所述对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队中，

对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化，对每一个竞标描述向量归一化的结果，用元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)进行表示。其中，TeamDescVector(T)＝(abilityT(T),creditT(T),qualityT(T),t_e(T),C_e(T))表示该团队T∈TSets的竞标描述向量，TSets＝{T₁,T₂,...,T_m}为可选团队的集合，a₁,a₂,..,a_n为能力向量各分量归一化结果，d₁,d₂,d₃,d₄分别为信用值、完成质量、预期完成时间和预期回报归一化结果。

更进一步地，对于各分量的归一化，需要区分正属性和负属性，正属性值越大，效益越高，这里为各能力分量、信用值和预期完成质量；负属性值越大，效益越低，这里为完成时间和预期回报。

正属性u_i的归一化计算方法为：

对于负属性u_i的归一化计算方法为：

其中，v_i为u_i归一化的结果，和分别为该分量u_i属性值中的最大值和最小值。

更进一步地，对于各投标归一化后的元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)，采用TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法对其进行评估和排序。由于归一化后各分量介于[0,1]，并且值越接近1，其效益越高，所以最优理想点选取分量全为1的元组，为了计算简便，这里不考虑最劣理想点和最优理想点的距离，采用加权欧几里得距离，计算方法如下：

其中，distance表示投标与最优理想点之间的距离，w_i(i＝1,2,..,n)为各能力分量a_i的权值，g_i(i＝1,2,..,4)分别为对应d_i的权值，各权值可以根据重要程度进行调整。

投标与最优理想点之间的距离distance越小，代表其总体效益越高，所以选取distance最小的投标团队，作为最终的任务执行团队。

进一步地，所述对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队的步骤中，若选择的任务执行团队放弃任务，则将该团队从筛选后的团队中去除，重复本步骤，选择新的任务执行团队。

进一步地，所述当任务执行团队完成任务后，对任务执行团队的指标进行更新的步骤中，对于团队中用户信用值的更新方法为：

信用值需要根据实际任务完成时间t，双方信用互评进行调整。当团队没有在截止时间t₀之前完成任务时，减少团队用户的信用值；当团队在预期时间t_e之前完成任务时，增加团队用户的信用值；当在预期时间和截止时间之间时，信用值不变。信用值采用credit进行表示，区间定义在[0,100]之间。

根据完成时间调整信用值的计算方法为：

其中，Δcredit₁(t)表示根据完成时间调整信用值的增量，a和b为正常数，数值可根据平台实际情况进行确定。

当发包方R和接包方(任务执行团队)P对信用进行互评时，R对P和P对R进行评价的信用评分分别记为c_R2P和c_P2R，均在[0,100]之间取值。考虑到发包方和接包方双方的博弈关系，P对R的信用评分c_P2R作为对c_R2P置信度的估计。因此对c_R2P进行如下调整：

其中，表示c_R2P的调整值，b_基准表示P对R完全不信任时，P的基本信用评分，一般可以取60。c_P2R/100表示c_R2P的置信度，介于[0，1]之间，介于[0，100]之间。

的计算方法同理。

因此，根据信用互评调整接包方P信用值的增量Δcredit₂(c_P2R,c_R2P)可以表示为：

Δcredit₂(c_R2P,c_P2R)的计算方法同理。

综上所述，根据完成时间和信用互评对信用值调整为：

credit_新＝credit_原+w₁×Δcredit₁(t)+w₂×Δcredit₂(c_P2R,c_R2P)

其中，w₁,w₂代表各信用值调整增量的权值。credit_新即为该用户信用值CreditValue的更新值。

对于团队中用户任务完成质量的更新方法为：

众包任务的完成质量主要由发包方进行评估，此时的原始质量评分记为q_原。由于发包方R单独评估相对主观，有必要通过R和P的信用互评对完成质量进行调整。衡量q_原评估准确度的p和更新后的质量评分q_新的计算方法为：

q_新＝p×q_原+(1-p)×q_基准

其中，分别为信用评分c_R2P,c_P2R的更新值，w₁+w₂＝1，代表双方信用评分的权值，评估准确度p在[0，1]之间，作为原始质量评分q_原的权值。q_基准表示q_原完全无效时，完成质量的基本评分。

对该用户所有n个历史任务完成质量的更新值q_i(i＝1,2,..,n)取平均，作为用户任务完成质量值，也作为新任务完成质量的估计：

其中，q_avg表示该用户任务的完成质量Completion Quality的更新值。

对于团队中用户能力向量的更新方法为：

能力向量各分量初始值由用户个人给出，随后根据团队其他成员(团队协作完成时)和发包方(单独接包完成时)的评分，以及任务完成质量的评分进行反馈调整。原始值可以以{高，中，低}、{精通、掌握、熟悉、了解}等形式给出，在计算时可以通过模糊集的隶属函数确定量化值，再统一标准化映射到[0,100]。

本发明相较于现有技术，具有以下的有益效果：

本发明用于解决通用众包过程中个体和团队的指标评估以及优选选标问题。本发明在初次筛选的基础上采用理想点排序法，能够对原始数据进行去量纲化并可以充分利用原始数据的信息，并且对于中标却不能接标的情况，可以依次从排序的队列中选取中标者，无需重复进行计算。

附图说明

图1是本发明中任务群智执行团队的优选方法的流程图。

图2是在优选过程中，用户指标、团队指标和任务指标的相互关系示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示为一种任务群智执行团队的优选方法的流程图，包括步骤：

获取发包方发布的任务及任务指标；

获取进行任务投标的团队及团队指标；

根据任务指标对进行任务投标的团队进行筛选；

对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队；

当任务执行团队完成任务后，对任务执行团队的指标进行更新。

具体地，所述任务指标包括能力值、信用值、任务完成时间和任务回报。

具体地，所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。

在本发明的优选过程中，用户指标、团队指标和任务指标的相互关系示意图如图2所示。

团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到：

对于能力向量第i项，从团队中n个成员的能力ability_ij(j＝1,2,...,n)到团队能力abilityT_i，可以根据实际情况选择不同的映射方法：

取最大：

取平均：

求和：

其中，p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损。

同理，团队信用值creditT和团队任务完成质量qualityT取平均值：

进一步地，所述根据任务指标对进行任务投标的团队进行筛选的步骤中，筛选方法为团队指标需满足：

t_e≤t₀，C_e≤C₀

其中，t_e表示预期完成时间，t₀表示任务完成时间，C_e表示预期回报，C₀表示任务回报。

进一步地，所述对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队中，

对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化，对每一个竞标描述向量归一化的结果，用元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)进行表示。其中，TeamDescVector(T)＝(abilityT(T),creditT(T),qualityT(T),t_e(T),C_e(T))表示该团队T∈TSets的竞标描述向量，TSets＝{T₁,T₂,...,T_m}为可选团队的集合，a₁,a₂,..,a_n为能力向量各分量归一化结果，d₁,d₂,d₃,d₄分别为信用值、完成质量、预期完成时间和预期回报归一化结果。

更进一步地，对于各分量的归一化，需要区分正属性和负属性，正属性值越大，效益越高，这里为各能力分量、信用值和预期完成质量；负属性值越大，效益越低，这里为完成时间和预期回报。

正属性u_i的归一化计算方法为：

对于负属性u_i的归一化计算方法为：

其中，v_i为u_i归一化的结果，和分别为该分量u_i属性值中的最大值和最小值。

更进一步地，对于各投标归一化后的元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)，采用TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法对其进行评估和排序。由于归一化后各分量介于[0,1]，并且值越接近1，其效益越高，所以最优理想点选取分量全为1的元组，为了计算简便，这里不考虑最劣理想点和最优理想点的距离，采用加权欧几里得距离，计算方法如下：

其中，distance表示投标与最优理想点之间的距离，w_i(i＝1,2,..,n)为各能力分量a_i的权值，g_i(i＝1,2,..,4)分别为对应d_i的权值，各权值可以根据重要程度进行调整。

投标与最优理想点之间的距离distance越小，代表其总体效益越高，所以选取distance最小的投标团队，作为最终的任务执行团队。

进一步地，所述当任务执行团队完成任务后，对任务执行团队的指标进行更新的步骤中，对于团队中用户信用值的更新方法为：

信用值需要根据实际任务完成时间t，双方信用互评进行调整。当团队没有在截止时间t₀之前完成任务时，减少团队用户的信用值；当团队在预期时间t_e之前完成任务时，增加团队用户的信用值；当在预期时间和截止时间之间时，信用值不变。信用值采用credit进行表示，区间定义在[0,100]之间。

根据完成时间调整信用值的计算方法为：

其中，Δcredit₁(t)表示根据完成时间调整信用值的增量，a和b为正常数，数值可根据平台实际情况进行确定。

当发包方R和接包方(任务执行团队)P对信用进行互评时，R对P和P对R进行评价的信用评分分别记为c_R2P和c_P2R，均在[0,100]之间取值。考虑到发包方和接包方双方的博弈关系，P对R的信用评分c_P2R作为对c_R2P置信度的估计。因此对c_R2P进行如下调整：

其中，表示c_R2P的调整值，b_基准表示P对R完全不信任时，P的基本信用评分，一般可以取60。c_P2R/100表示c_R2P的置信度，介于[0，1]之间，介于[0，100]之间。

的计算方法同理。

因此，根据信用互评调整接包方P信用值的增量Δcredit₂(c_P2R,c_R2P)可以表示为：

Δcredit₂(c_R2P,c_P2R)的计算方法同理。

综上所述，根据完成时间和信用互评对信用值调整为：

credit_新＝credit_原+w₁×Δcredit₁(t)+w₂×Δcredit₂(c_P2R,c_R2P)

其中，w₁,w₂代表各信用值调整增量的权值。credit_新即为该用户信用值CreditValue的更新值。

对于团队中用户任务完成质量的更新方法为：

众包任务的完成质量主要由发包方进行评估，此时的原始质量评分记为q_原。由于发包方R单独评估相对主观，有必要通过R和P的信用互评对完成质量进行调整。衡量q_原评估准确度的p和更新后的质量评分q_新的计算方法为：

q_新＝p×q_原+(1-p)×q_基准

其中，分别为信用评分c_R2P,c_P2R的更新值，w₁+w₂＝1，代表双方信用评分的权值，评估准确度p在[0，1]之间，作为原始质量评分q_原的权值。q_基准表示q_原完全无效时，完成质量的基本评分。

对该用户所有n个历史任务完成质量的更新值q_i(i＝1,2,..,n)取平均，作为用户任务完成质量值，也作为新任务完成质量的估计：

其中，q_avg表示该用户任务的完成质量Completion Quality的更新值。

对于团队中用户能力向量的更新方法为：

能力向量各分量初始值由用户个人给出，随后根据团队其他成员(团队协作完成时)和发包方(单独接包完成时)的评分，以及任务完成质量的评分进行反馈调整。原始值可以以{高，中，低}、{精通、掌握、熟悉、了解}等形式给出，在计算时可以通过模糊集的隶属函数确定量化值，再统一标准化映射到[0,100]。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种任务群智执行团队的优选方法，其特征在于，包括步骤：

获取发包方发布的任务及任务指标；

获取进行任务投标的团队及团队指标；

根据任务指标对进行任务投标的团队进行筛选；

对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队；

当任务执行团队完成任务后，对任务执行团队的指标进行更新。

2.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述任务指标包括能力值、信用值、任务完成时间和任务回报。

3.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述团队指标包括能力向量、信用值、任务完成质量、预期完成时间和预期回报。

4.根据权利要求3所述的一种任务群智执行团队的优选方法，其特征在于，团队指标中的能力向量、信用值和任务完成质量由团队中各个成员的指标映射得到：

对于能力向量第i项，从团队中n个成员的能力ability_ij(j＝1,2,...,n)到团队能力abilityT_i，根据实际情况可以选择不同的映射方法，分别为：

取最大：

取平均：

求和：

其中，p∈[0,1]表示成员之间由于沟通成本的存在而产生部分能力折损；

同理，团队信用值creditT和团队任务完成质量qualityT取平均值：

5.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述根据任务指标对进行任务投标的团队进行筛选的步骤中，筛选方法为团队指标需满足：

t_e≤t₀，C_e≤C₀

其中，t_e表示预期完成时间，t₀表示任务完成时间，C_e表示预期回报，C₀表示任务回报。

6.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队的步骤中，

对竞标描述向量TeamDescVector(T)的各个分量分别进行归一化，对每一个竞标描述向量归一化的结果，用元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)进行表示；其中，TeamDescVector(T)＝(abilityT(T),creditT(T),qualityT(T),t_e(T),C_e(T))表示该团队T∈TSets的竞标描述向量，TSets＝{T₁,T₂,...,T_m}为可选团队的集合，a₁,a₂,..,a_n为能力向量各分量归一化结果，d₁,d₂,d₃,d₄分别为信用值、完成质量、预期完成时间和预期回报归一化结果。

7.根据权利要求6所述的一种任务群智执行团队的优选方法，其特征在于，对于各分量的归一化，需要区分正属性和负属性，正属性为各能力分量、信用值和预期完成质量；负属性为完成时间和预期回报；

正属性u_i的归一化计算方法为：

负属性u_i的归一化计算方法为：

其中，v_i为u_i归一化的结果，和分别为该分量u_i属性值中的最大值和最小值。

8.根据权利要求6所述的一种任务群智执行团队的优选方法，其特征在于，对于各投标归一化后的元组(a₁,a₂,..,a_n,d₁,d₂,d₃,d₄)，采用TOPSIS(Technique for OrderPreference by Similarity to an Ideal Solution)法对其进行评估和排序，采用加权欧几里得距离，计算方法如下：

其中，distance表示投标与最优理想点之间的距离，w_i(i＝1,2,..,n)为各能力分量a_i的权值，g_i(i＝1,2,..,4)分别为对应d_i的权值，各权值可以根据重要程度进行调整。

9.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述对筛选后的团队的指标进行归一化、评估和排序处理，选择最终的任务执行团队的步骤中，若选择的任务执行团队放弃任务，则将该团队从筛选后的团队中去除，重复本步骤，选择新的任务执行团队。

10.根据权利要求1所述的一种任务群智执行团队的优选方法，其特征在于，所述当任务执行团队完成任务后，对任务执行团队的指标进行更新的步骤中，对于团队中用户信用值的更新方法为：

信用值需要根据实际任务完成时间t，双方信用互评进行调整；

根据完成时间调整信用值的计算方法为：

其中，Δcredit₁(t)表示根据完成时间调整信用值的增量，a和b为正常数，数值可根据平台实际情况进行确定；

当发包方R和接包方P对信用进行互评时，R对P和P对R进行评价的信用评分分别记为c_R2P和c_P2R，均在[0,100]之间取值；考虑到发包方和接包方双方的博弈关系，P对R的信用评分c_P2R作为对c_R2P置信度的估计；因此对c_R2P进行如下调整：

其中，表示c_R2P的调整值，b_基准表示P对R完全不信任时，P的基本信用评分，一般可以取60；c_P2R/100表示c_R2P的置信度，介于[0，1]之间，介于[0，100]之间；

的计算方法同理；

因此，根据信用互评调整接包方P信用值的增量Δcredit₂(c_P2R,c_R2P)表示为：

Δcredit₂(c_R2P,c_P2R)的计算方法同理；

综上所述，根据完成时间和信用互评对信用值调整为：

credit_新＝credit_原+w₁×Δcredit₁(t)+w₂×Δcredit₂(c_P2R,c_R2P)

其中，w₁,w₂代表各信用值调整增量的权值；credit_新即为该用户信用值Credit Value的更新值；

对于团队中用户任务完成质量的更新方法为：

原始质量评分记为q_原，通过R和P的信用互评对完成质量进行调整；衡量q_原评估准确度的p和更新后的质量评分q_新的计算方法为：

q_新＝p×q_原+(1-p)×q_基准

其中，分别为信用评分c_R2P,c_P2R的更新值，w₁+w₂＝1，代表双方信用评分的权值，评估准确度p在[0，1]之间，作为原始质量评分q_原的权值；q_基准表示q_原完全无效时，完成质量的基本评分；

对该用户所有n个历史任务完成质量的更新值q_i(i＝1,2,..,n)取平均，作为用户任务完成质量值，也作为新任务完成质量的估计：

其中，q_avg表示该用户任务的完成质量Completion Quality的更新值；

对于团队中用户能力向量的更新方法为：

能力向量各分量初始值由用户个人给出，随后根据团队协作完成时团队其他成员、发包方的评分以及任务完成质量的评分进行反馈调整；原始值以{高，中，低}或{精通、掌握、熟悉、了解}的形式给出，在计算时通过模糊集的隶属函数确定量化值，再统一标准化映射到[0,100]。