CN111027838B - 一种众包任务推送方法、装置、设备及其存储介质 - Google Patents
一种众包任务推送方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN111027838B CN111027838B CN201911225825.2A CN201911225825A CN111027838B CN 111027838 B CN111027838 B CN 111027838B CN 201911225825 A CN201911225825 A CN 201911225825A CN 111027838 B CN111027838 B CN 111027838B
- Authority
- CN
- China
- Prior art keywords
- task
- user
- users
- browsing
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000013145 classification model Methods 0.000 claims abstract description 50
- 230000006399 behavior Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 8
- 238000012384 transportation and delivery Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000011835 investigation Methods 0.000 description 12
- 239000000919 ceramic Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种众包任务推送方法、装置、设备及其存储介质,根据任务分类模型确定目标用户的任务选择偏好,根据各用户的任务分类模型和目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据相似度确定目标用户的待匹配相似用户,根据待匹配相似用户的任务浏览信息确定目标推荐任务,将目标推荐任务推送至目标用户;上述通过目标用户的待匹配相似用户和待匹配相似用户的任务浏览信息,选择目标推荐任务进而推送给目标用户,提高了用户对众包任务的响应程度,从而提高了任务的完成程度和交付效率。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种众包任务推送方法、装置、设备及其存储介质。
背景技术
随着互联网的普及,几乎所有的大型公司、企业都实现了办公自动化,网络化,流程化,范围包括了日常行政、事务性审批、资源管理、多人多部门之间的办公协同、以及各种信息的交互与传递。通过互联网形成一个信息流,缩短服务时间、提高服务效率和服务质量,并可及时地获取客户的需求,有利于优化企业的管理质量和增加企业的管理水平,实现企业管理的高效化。
在企业的经营过程中,能够遇到客户提出来的各种各样的需求。运用互联网系统可以将客户提出的需求拆分成一个一个任务项,将任务项发送给对应的处理人进行处理。但是需求的多种多样,差异,对需求的处理过程进行流程管控和跟踪,将合适对应的需求任务推送给与任务相匹配的人,才能够极大地提升处理效率和服务质量,保证任务顺利高效的完成,从而产生了众包。
众包是一种分布式的问题解决和生产模式,采用某种机制通过社交网络平台使群体共同参与某件事情。目前众多众包任务中,大多数情况下在任务发布时,只是将任务随机的推送给用户,导致推荐任务的时候不一定是用户感兴趣的任务,使用户对任务的响应程度不高,从而影响任务的完成效率和交付效率。
发明内容
有鉴于此,提供一种众包任务推送方法、装置、设备及其存储介质,解决了现有的众包任务随机推送给用户,用户对任务的响应程度不高的问题。
为实现以上目的,本发明提供了一种众包任务推送方法,包括:
根据目标用户的任务分类模型确定目标用户的任务选择偏好;
根据其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据所述相似度确定所述目标用户的待匹配相似用户;
根据所述待匹配相似用户的任务浏览信息确定目标推荐任务;
将目标推荐任务推送至所述目标用户。
进一步的,所述任务分类模型是根据所述用户的日志行为信息生成的。所述日志行为信息包括:所述用户的任务浏览信息和/或任务完成信息。
进一步的,所述日志行为信息包括:所述用户的任务浏览信息和/或任务完成信息;所述任务分类模型根据所述用户的日志行为信息生成的具体步骤包括:
获取所述用户浏览任务和所述用户完成任务的预设标签;
根据所述用户的任务浏览信息和/或任务完成信息,确定所述预设标签的浏览次数和/或完成情况;
根据所述预设标签的浏览次数和/或完成情况确定所述用户的每个标签特征;
根据所述标签特征生成所述各用户对应的任务分类模型。
更进一步的,所述根据所述预设标签的浏览次数和/或完成情况确定所述用户的每个标签特征,具体包括:
所述根据所述预设标签的浏览次数和/或完成情况,设定所述预设标签的兴趣分数;
根据所述预设标签的兴趣分数确定所述预设标签对应的标签特征。
进一步的,所述根据所述其他用户的任务分类模型和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,包括:
根据所述各用户的任务分类模型和所述目标用户的任务选择偏好通过贪心算法计算目标用户与其他用户的相似度。
更进一步的,所述确定所述目标用户的待匹配相似用户,包括:
根据相似度将所述其他用户进行降序排列,选择第一设定数目个用户确定为所述目标用户的待匹配相似用户。
进一步的,所述根据所述待匹配相似用户的任务浏览信息确定目标推荐任务,包括:
根据所述待匹配相似用户的任务浏览信息确定所述待匹配相似用户浏览任务的浏览次数;
根据所述浏览次数对所述待匹配相似用户浏览的任务进行降序排列,选择排序前第二设定数目个任务作为目标推荐任务。
一种众包任务推送装置,所述装置包括:
偏好确定模块,用于根据目标用户的任务分类模型确定目标用户的任务选择偏好;
相似用户确定模块,用于根据其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据所述相似度确定所述目标用户的待匹配相似用户;
推荐任务确定模块,用于根据所述待匹配相似用户的任务浏览信息确定目标推荐任务;
推送模块,用于将所述目标推荐任务推送至所述目标用户。
一种众包任务推荐设备,包括:处理器、存储器和通信接口;
所述处理器分别与所述通信接口和所述存储器相连接;
所述通信接口用于接收和发送数据;
所述存储器用于存储程序代码,所述处理器用于调用所述存储器的所述程序代码,执行如上述所述的众包任务推送方法。
一种计算机存储介质,所述存储介质存储有计算机程序指令,所述指令被处理器执行时使所述处理器执行如上述所述的众包任务推送方法。
本申请提供的技术方案可以包括以下有益效果:
本申请通过根据任务分类模型确定目标用户的任务选择偏好,根据其他用户的任务分类模型的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度并确定目标用户的待匹配相似用户,根据待匹配相似用户的任务浏览信息确定目标推荐任务,将目标推荐任务推送至目标用户;上述将其他用户的任务分类模型的任务选择偏好和用户的任务选择偏好确定用户的相似用户,选择相似用户的目标推荐任务推送给目标用户,使得目标用户接收到的是相似用户的选择偏好的浏览任务,进而提高了目标用户对任务的感兴趣的程度,从而提高了用户对众包任务的响应程度,提高了任务的完成程度和交付效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的众包任务推送方法的流程图;
图2为本发明实施例提供的众包任务推送装置的模块图;
图3为本发明实施例提供的众包任务推送设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
首次,先对本申请实施例的一些名词和应用场景进行解释:
众包:指的是一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的,而且通常是大型的大众网络的模式;众包任务通常是由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式出现。
众包任务可以包括互联网平台上一些企业发布的任务,具体涉及智能交通数据应用、人脸识别、电子商务、智能语音数据、网络舆情监控等领域;包括数据采集、数据标注等功能。
其中,文本数据采集包括广告、杂志、教材等;图片数据采集包括实体照片、任务照片、场景图片等;语音视频数据采集包括方言、特征情景语音、视频等,在线离线/线上到线下或基于位置服务数据采集包括店铺信息、站牌、无线上网等;问卷调研包括市场机会调研、广告效果调研、使用体验调研等。
数据标注包括数据分类和清洗、数据校验评估和数据内容提取。
其中,数据分类和清洗包括评价内容分类、图片类型分类、垃圾分量清洗、有效语言筛选等;数据校验评估包括文本语言校验、图片相关性评估、搜索相关性评估、情感倾向性评估等;数据内容提取包括图片文字提取、文本关键字提取、语音转写文本、网页摘要撰写。
具体的数据采集包括:文本数据采集、语音视频数据采集、在线离线/线上到线下或基于位置服务数据采集和问卷调研等。
为了提高用户对推荐的众包任务的响应程度,本申请实施例提供了一种众包任务推荐方法,图1为该方法的流程图。
如图1所示,本实施例的方法包括:
S101、根据目标用户的任务分类模型确定目标用户的任务选择偏好。
该任务分类模型可以根据各用户的日志行为信息生成的,各用户的众包任务的日志行为信息为用户访问众包任务的数据,该日志行为信息可以是从本地或从其他设备获取该应用平台的各用户的日志行为信息,例如可以从本地的存储器中调取平台上各用户的日志行为信息,也可以通过网络从远程设备中接收各用户的日志行为信息。该任务分类模型根据用户的日志行为信息等的变化也是不断更新的。
该用户为可以接受任务的一方,也可以称为服务方;目标用户为对某一任务具有选择偏好的服务方;
该日志行为信息可以包括任务浏览信息和任务完成信息中的至少一个,具体的任务浏览信息可以包括当前任务浏览信息和历史任务浏览信息,任务完成信息可以包括任务完成时间和任务完成属性。当前任务浏览信息为预设时间段内的任务记录,历史任务浏览信息为预设时间之前的任务记录,例如,可以将当天的浏览任务记录作为当前任务浏览信息,将昨天及昨天之前浏览的任务记录作为历史浏览信息。
任务浏览信息可以包括用户的多条浏览记录,例如,任务浏览记录可以为用户采集实体照片任务的浏览记录、用户采集场景图片任务的浏览记录、用户评价内容分类任务的浏览记录。多条浏览记录构为用户的任务浏览信息。任务完成信息可以包括用户的多条完成记录。该完成记录可以为用户的某车型汽车图片处理任务完成记录、某办公桌图片处理任务完成记录等。根据这些任务浏览信息和任务完成信息建立任务分类模型,从中选择某一任务类型确定为该用户的任务选择偏好。
此外在一些具体的实施例中,用户的任务分类模型还可以通过如下方式建立:
获取所述用户浏览任务和所述用户完成任务的预设标签,根据所述用户的任务浏览信息和/或任务完成信息,确定预设标签的浏览次数和/或完成情况,根据所述预设标签的浏览次数和/或完成情况确定用户的标签特征,根据所述标签特征生成所述各用户对应的任务分类模型。
其中,可以根据每个任务的类型设置对应预设标签,属于相同类型的不同任务可以具有相同的预设标签,因此,在得到的标签特征中,一个预设标签可以对应一个或多个任务。例如,发布了采集陶瓷图片任务、采集办公大楼图片任务对应预设标签为图片处理,舒适度问卷调研任务对应预设标签为问卷调研,街道声音采集任务对应预设标签为声音采集,评价内容分类任务对应预设标签为评价内容分类。
例如,上述,采集陶瓷图片任务的浏览次数为10次、采集办公大楼图片任务的浏览次数为8次、舒适度问卷调研任务的浏览次数为1次、街道声音采集任务的浏览次数为3次、评价内容分类任务的浏览次数为4次;则对应的图片处理的预设标签对应的标签特征为图片处理总计次数18次,问卷调研预设标签对应的标签特征为问卷调研总计次数为1次,声音采集预设标签对应的标签特征为声音采集3次,评价内容分类预设标签对应的标签特征为评价内容分类4次,将每一标签特征作为一个维度生成任务分类模型,上述则对应生成一个五维度的任务分类模型。
此外,也可以将每一标签特征划分为对应预设标签的比例,根据比例生成任务分类模型。
在确定目标用户的任务选择偏好时,在一些具体的实施例中可以包括如下步骤:
从根据用户的多个标签特征建立多维度的任务分类模型中,选择一个标签作为目标用户的任务选择偏好。任务分类模型中的任务均为雇主发出的,即发布任务的一方。
S102、根据其他用户的任务分类模型的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据相似度确定目标用户的待匹配相似用户。
其他用户均有各自对应的任务分类模型,分别确定其他用户的任务选择偏好,根据其他用户的任务分类模型中的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度,根据相似度确定与目标用户相似的相似用户,从相似用户中确定与目标用户对应的待匹配相似用户。
此外,还可以根据用户的任务分类模型建立用户簇,该用户簇根据用户的任务选择偏好建立,同一用户簇为同一类型任务选择偏好的用户。在将目标用户与其他用户计算相似度时,可以用同一用户簇中进行比较计算,这样在后续计算相似用户时,可以仅在同一用户簇内计算用户间的相似度,无需一一对其他所有用户进行计算,从而可以显著的降低用户间的相似度计算复杂程度,缩小计算的范围,提高计算的效率。
在本实施例中,可以在目标用户所在的用户簇中查找目标用户的相似用户。具体来说,可以基于标签特征计算目标用户与同一用户簇中其他用户的相似度,并基于相似度确定出与目标用户相对应的相似用户,在从相似用户中进行筛选,确定目标用户的待匹配相似用户。
S103、根据待匹配相似用户的任务浏览信息确定目标推荐任务。
根据待匹配相似用户的任务浏览信息确定待匹配相似用户浏览的任务及相应的浏览次数,例如,在上述列举的任务浏览信息中,待匹配相似用户的任务浏览信息为采集陶瓷图片任务的浏览次数为10次、采集办公大楼图片任务的浏览次数为8次、舒适度问卷调研任务的浏览次数为1次、街道声音采集任务的浏览次数为3次、评价内容分类任务的浏览次数为4次。
根据浏览次数对待匹配相似用户浏览的任务进行降序排列,选择排序前第二设定数目个任务作为目标推荐任务。例如,对上述待匹配相似用户浏览的任务根据浏览次数进行降序排列为:采集陶瓷图片任务、采集办公大楼图片任务、评价内容分类任务,街道声音采集任务,舒适度问卷调研任务。假设第二设定数目个设为3个,将待匹配相似用户的任务中选择排列位次高的前三个作为目标推荐任务,即,将采集陶瓷图片任务,采集办公大楼图片任务、评价内容分类任务作为目标推荐任务。
S104、将目标推荐任务推送至目标用户。
将从待匹配相似用户中确定的目标推荐任务推送给目标用户,例如,上述确定了采集陶瓷图片任务,采集办公大楼图片任务、评价内容分类任务为目标推荐任务,则将采集陶瓷图片任务,采集办公大楼图片任务、评价内容分类任务推送至目标用户。
在另外一些实施例中,还可以对浏览任务和已完成的任务设置相应的分数,然后根据预设标签的浏览次数和/或完成情况确定用户的兴趣分数,从而进一步确定标签特征。
例如,将浏览一次设定为10分,完成情况中任务完成一次设为20分,假设用户浏览图片处理任务次数18次,对应兴趣分数则为180分;浏览声音采集任务3次,对应兴趣分数则为30分;浏览问卷调研任务次数1次,对应兴趣分数为10分;完成图片处理任务3次,对应兴趣分数为60分,则对应的图片处理预设标签的总兴趣分数为240分,声音采集标签总兴趣分数为30分,问卷调研标签特征的总兴趣分数为10分,将对应的标签名称和兴趣分数作为标签特征。
进一步的,根据其他用户的任务分类模型中的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度,包括:
根据其他用户的任务分类模型中的任务选择偏好和目标用户的任务选择偏好通过贪心算法计算目标用户与其他用户的相似度。
采用贪心算法对目标用户与其他用户的相似度进行计算,在众包任务匹配度最高的一组用户中,选择整体匹配度之和最大的设定组用户作为最后的分配结果,以使得每个任务最大可能的推荐给感兴趣的目标用户,具体包括:
例如,目标用户的任务选择偏好根据兴趣分数得知为240分兴趣分数的图片处理的标签,根据兴趣分数确定其他用户的任务选择偏好,将其进行匹配比较,采用贪心算法来计算其相似度,获取相似度之和最大,该算法会自动按相似度从高到低进行排序。假设甲用户的任务选择偏好为图片处理,兴趣分数为200分,乙用户的任务选择偏好同样也为图片处理标签,兴趣分数为180分,则甲用户的兴趣分数占目标用户的兴趣分数比计算为:
200/240=83.33%,相似度为83.33%。
乙用户的兴趣分数占目标用户的兴趣分数比计算为:
180/240=75%,相似度为75%。
将任务选择偏好为图片处理标签的用户与目标用户进行比较,并进行一一计算比较,得到一个总的相似用户列表,从中选取相似度高的前设定数目个相似用户,作为最终待匹配相似用户列表。
更进一步的,根据所述相似度确定目标用户的待匹配相似用户,包括:
根据相似度将其他用户进行降序排列,选择第一设定数目个用户确定为目标用户的待匹配相似用户。
上述实施例的众包任务推送方法,根据任务分类模型确定目标用户的任务选择偏好,根据其他用户的任务分类模型中的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度并根据相似度确定目标用户的待匹配相似用户,根据待匹配相似用户的任务浏览信息确定目标推荐任务,将目标推荐任务推送至目标用户;上述通过目标用户的待匹配相似用户和待匹配相似用户的任务浏览信息,选择目标推荐任务进而推送给目标用户,提高了用户对众包任务的响应程度,从而提高了任务的完成程度和交付效率。
为了更全面地,对应本发明实施例提供的一种众包任务推送方法,本发明实施例还提供一种众包任务推送装置。具体请参见下文实施例。
图2为本发明实施例提供的众包任务推送装置的模块图,如图2所述,一种众包任务推送装置,包括:
偏好确定模块21,用于根据目标用户的任务分类模型确定目标用户的任务选择偏好;
相似用户确定模块22,用于根据其他用户的任务分类模型的任务选择偏好和目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据相似度确定目标用户的待匹配相似用户;
推荐任务确定模块23,用于根据待匹配相似用户的任务浏览信息确定目标推荐任务;
推送模块24,用于将目标推荐任务推送至目标用户。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关方法的实施例中进行了详细描述,请参见上述描述,此处将不做详细阐述说明。
上述装置通过偏好确定模块根据目标用户的任务分类模型确定目标用户的任务选择偏好,相似用户确定模块根据其他用户的任务分类模型和目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据相似度确定目标用户的待匹配相似用户,推荐任务确定模块根据待匹配相似用户的任务浏览信息确定目标推荐任务,推送模块将目标推荐任务推送至目标用户;实现了将选择相似用户的目标推荐任务推送给目标用户,使目标用户接收到的是与其相似用户选择偏好高的浏览任务的目的,提高了用户对众包任务的响应程度,进而提高了任务的完成程度和交付效率。
为了更清楚地介绍实现本发明实施例的硬件系统,对应于本发明实施例提供的一种众包任务推荐设备,具体请参见下文实施例。
图3为本发明实施例提供的众包任务推送设备的结构示意图,如图3所示,一种众包任务推荐设备,包括:
处理器31、存储器32和通信接口33;
处理器31分别与通信接口33和存储器32相连接;
通信接口33用于接收和发送数据;
存储器32用于存储程序代码,处理器用于调用存储器32的程序代码,执行如上述的方法。
在此基础上,本申请还公开一种存储介质,存储介质存储有计算机程序指令,指令被处理器执行时使处理器执行如上述的众包任务推送方法中的各个步骤。
采用上述设备能够通过任务分类模型和用户的任务选择偏好确定用户的相似用户,进而选择相似用户的目标推荐任务推送给目标用户,提高了用户对众包任务的响应程度,进而提高了任务的完成程度和交付效率。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (6)
1.一种众包任务推送方法,其特征在于,包括:
根据目标用户的任务分类模型确定目标用户的任务选择偏好;
根据其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据所述相似度确定所述目标用户的待匹配相似用户;
根据所述待匹配相似用户的任务浏览信息确定目标推荐任务;
将所述目标推荐任务推送至所述目标用户;
所述任务分类模型是根据用户的日志行为信息生成的,所述日志行为信息包括:所述用户的任务浏览信息和/或任务完成信息;
所述任务分类模型根据所述用户的日志行为信息生成的具体步骤包括:
获取所述用户浏览任务和所述用户完成任务的预设标签;
根据所述用户的任务浏览信息和/或任务完成信息,确定所述预设标签的浏览次数和/或完成情况;
根据所述预设标签的浏览次数和/或完成情况确定所述用户的每个标签特征,具体包括:
所述根据所述预设标签的浏览次数和/或完成情况,设定所述预设标签的兴趣分数;
根据所述预设标签的兴趣分数确定所述预设标签对应的标签特征;
根据所述标签特征生成所述各用户对应的任务分类模型;
所述根据所述待匹配相似用户的任务浏览信息确定目标推荐任务,包括:
根据所述待匹配相似用户的任务浏览信息确定所述待匹配相似用户浏览任务的浏览次数;
根据所述浏览次数对所述待匹配相似用户浏览的任务进行降序排列,选择排序前第二设定数目个任务作为目标推荐任务。
2.根据权利要求1所述的众包任务推送方法,其特征在于,所述根据所述其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,包括:
根据所述其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好通过贪心算法计算目标用户与其他用户的相似度。
3.根据权利要求1所述的众包任务推送方法,其特征在于,所述确定所述目标用户的待匹配相似用户,包括:
根据相似度将所述其他用户进行降序排列,选择第一设定数目个用户确定为所述目标用户的待匹配相似用户。
4.一种众包任务推送装置,其特征在于,所述装置包括:
偏好确定模块,用于根据目标用户的任务分类模型确定目标用户的任务选择偏好;
相似用户确定模块,用于根据其他用户的任务分类模型的任务选择偏好和所述目标用户的任务选择偏好计算目标用户与其他用户的相似度,并根据所述相似度确定所述目标用户的待匹配相似用户;
推荐任务确定模块,用于根据所述待匹配相似用户的任务浏览信息确定目标推荐任务;
推送模块,用于将所述目标推荐任务推送至所述目标用户;
所述任务分类模型是根据用户的日志行为信息生成的,所述日志行为信息包括:所述用户的任务浏览信息和/或任务完成信息;
所述任务分类模型根据所述用户的日志行为信息生成的具体步骤包括:
获取所述用户浏览任务和所述用户完成任务的预设标签;
根据所述用户的任务浏览信息和/或任务完成信息,确定所述预设标签的浏览次数和/或完成情况;
根据所述预设标签的浏览次数和/或完成情况确定所述用户的每个标签特征,具体包括:
所述根据所述预设标签的浏览次数和/或完成情况,设定所述预设标签的兴趣分数;
根据所述预设标签的兴趣分数确定所述预设标签对应的标签特征;
根据所述标签特征生成所述各用户对应的任务分类模型;
所述根据所述待匹配相似用户的任务浏览信息确定目标推荐任务,包括:
根据所述待匹配相似用户的任务浏览信息确定所述待匹配相似用户浏览任务的浏览次数;
根据所述浏览次数对所述待匹配相似用户浏览的任务进行降序排列,选择排序前第二设定数目个任务作为目标推荐任务。
5.一种众包任务推荐设备,其特征在于,包括:处理器、存储器和通信接口;
所述处理器分别与所述通信接口和所述存储器相连接;
所述通信接口用于接收和发送数据;
所述存储器用于存储程序代码,所述处理器用于调用所述存储器的所述程序代码,执行如权利要求1-3任一项所述的众包任务推送方法。
6.一种计算机存储介质,其特征在于,所述存储介质存储有计算机程序指令,所述指令被处理器执行时使所述处理器执行如权利要求1-3任一项所述的众包任务推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225825.2A CN111027838B (zh) | 2019-12-04 | 2019-12-04 | 一种众包任务推送方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225825.2A CN111027838B (zh) | 2019-12-04 | 2019-12-04 | 一种众包任务推送方法、装置、设备及其存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027838A CN111027838A (zh) | 2020-04-17 |
CN111027838B true CN111027838B (zh) | 2024-03-26 |
Family
ID=70204208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225825.2A Active CN111027838B (zh) | 2019-12-04 | 2019-12-04 | 一种众包任务推送方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027838B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666207B (zh) * | 2020-05-18 | 2021-06-15 | 中国科学院软件研究所 | 一种众包测试任务选择方法及电子装置 |
CN111539655A (zh) * | 2020-05-28 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 众包模式下任务承接方的能力处理方法、装置及设备 |
CN111984874B (zh) * | 2020-08-26 | 2022-07-22 | 河南科技大学 | 一种融合情感计算和网络众包的并行推荐方法 |
CN113361928B (zh) * | 2021-06-07 | 2023-08-25 | 南京大学 | 一种基于异构图注意力网络的众包任务推荐方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
CN107301229A (zh) * | 2017-06-22 | 2017-10-27 | 美味不用等(上海)信息科技股份有限公司 | 基于语义分析的反馈指派方法及系统 |
CN109523237A (zh) * | 2018-11-15 | 2019-03-26 | 平安科技(深圳)有限公司 | 基于用户偏好的众包任务推送方法及相关装置 |
CN110400128A (zh) * | 2019-07-29 | 2019-11-01 | 电子科技大学 | 一种基于工人偏好感知的空间众包任务分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170169341A1 (en) * | 2015-12-14 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method for intelligent recommendation |
-
2019
- 2019-12-04 CN CN201911225825.2A patent/CN111027838B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
CN107301229A (zh) * | 2017-06-22 | 2017-10-27 | 美味不用等(上海)信息科技股份有限公司 | 基于语义分析的反馈指派方法及系统 |
CN109523237A (zh) * | 2018-11-15 | 2019-03-26 | 平安科技(深圳)有限公司 | 基于用户偏好的众包任务推送方法及相关装置 |
CN110400128A (zh) * | 2019-07-29 | 2019-11-01 | 电子科技大学 | 一种基于工人偏好感知的空间众包任务分配方法 |
Non-Patent Citations (2)
Title |
---|
用户偏好模型在众包中应用的研究;王晓燕等;《青岛大学学报(自然科学版)》(第01期);全文 * |
考虑用户兴趣和能力的众包任务推荐方法;仲秋雁等;《系统工程理论与实践》(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111027838A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027838B (zh) | 一种众包任务推送方法、装置、设备及其存储介质 | |
CN111641514B (zh) | 会议智能系统、用于会议智能的方法和存储介质 | |
US10469275B1 (en) | Clustering of discussion group participants | |
CN109242514A (zh) | 客户标签推荐方法、装置和系统 | |
US20080235005A1 (en) | Device, System and Method of Handling User Requests | |
WO2020088058A1 (zh) | 生成信息的方法和装置 | |
KR20160055930A (ko) | 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법 | |
US20150058417A1 (en) | Systems and methods of presenting personalized personas in online social networks | |
CN106354856B (zh) | 基于人工智能的深度神经网络强化搜索方法和装置 | |
CN111522978B (zh) | 一种数据推送方法和装置 | |
US9684908B2 (en) | Automatically generated comparison polls | |
CN112364234B (zh) | 一种在线讨论的自动分组系统 | |
CN112733042A (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
US20100318427A1 (en) | Enhancing database management by search, personal search, advertising, and databases analysis efficiently using core-set implementations | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
US20210118432A1 (en) | Generating training datasets for a supervised learning topel model from outputs of a discovery topic model | |
US20200111046A1 (en) | Automated and intelligent time reallocation for agenda items | |
US20150142584A1 (en) | Ranking content based on member propensities | |
US20210256221A1 (en) | System and method for automatic summarization of content with event based analysis | |
WO2020033117A1 (en) | Dynamic and continous onboarding of service providers in an online expert marketplace | |
Shahzad et al. | Quantification of productivity of the brands on social media with respect to their responsiveness | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN116775815B (zh) | 对话数据的处理方法、装置、电子设备及存储介质 | |
US20220245158A1 (en) | Recommendation and prediction engines for virtual and hybrid events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |