Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学彭张林获国家专利权

合肥工业大学彭张林获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉合肥工业大学申请的专利基于机器学习的众包任务个性化推荐方法和系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115186174B

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210620698.1,技术领域涉及:G06F16/9535;该发明授权基于机器学习的众包任务个性化推荐方法和系统是由彭张林;杨威;张强;陆效农;万德全;陈媛媛;胡欣如设计研发完成,并于2022-06-02向国家知识产权局提交的专利申请。

基于机器学习的众包任务个性化推荐方法和系统在说明书摘要公布了:本发明提供了一种基于机器学习的众包任务个性化推荐方法和系统,涉及任务调度技术领域。本发明根据众包竞赛的现有文献和众包平台的可用信息,基于融合动力、能力理论的福格行为学模型,构建了完整、精细的工人特征识别体系。同时通过爬取工人的历史数据,以及一段时间的任务数据,构建现在的工人‑任务交互数据,形成涵盖工人过去、现在信息的工人数据集,更好的衡量工人特征。帮助平台快速识别具备高价值的工人,基于当选概率生成推荐列表,最终实现众包任务的个性化推荐。

本发明授权基于机器学习的众包任务个性化推荐方法和系统在权利要求书中公布了:1.一种基于机器学习的众包任务个性化推荐方法,其特征在于,该方法包括: 获取工人历史特征数据和任务特征数据;并基于任务特征数据获取工人-任务交互特征数据; 基于预处理后的工人历史特征数据、工人-任务交互特征数据训练考虑工人动机和工人能力的工人分类模型; 基于训练好的工人分类模型,从待分类工人特征数据集中筛选出具有高动机高能力的工人,并对其进行任务推荐; 所述基于预处理后的工人历史特征数据、工人-任务交互特征数据训练考虑工人动机和工人能力的工人分类模型,包括: S201、构建工人的能力指标和动机指标; S202、确定工人的能力指标的各个变量的权重和动机指标的各个变量的权重,得到每个工人的动机值和能力值; S203、获取阈值线模型,用于作为高动机和高能力的工人的划分标准; 所述工人的能力指标,包括:固有能力、专业能力、一般经验、专业经验、多样性、复杂性; 所述工人的动机指标,包括:享乐和乐趣、工作自主性、任务复杂性、自我营销归属感; 且所述固有能力包括:平台评分、平台认证等级、过去中标次数; 所述专业能力包括:认证类别数量、认证子类别数量、认证技能数量、十年以上技能数量; 所述一般经验包括:过去的任务建议数量、近期参与任务数量、近期中标任务数量、每小时费率; 所述专业经验包括:认证行业数量、近期参与任务所含任务数量、近期中标任务所含任务数量; 所述多样性包括:近期参与不同任务类别的数量、近期参与不同任务子类别的数量、近期中标不同任务类别的数量、近期中标不同任务子类别的数量; 所述复杂性包括:近期参与任务平均投标人数、近期参与任务平均建议数量、近期参与任务平均收藏人数、近期参与任务平均浏览次数; 所述享乐和乐趣包括:平均任务奖励、任务审批率; 所述工作自主性包括:平均招募时间、任务完成率; 所述任务复杂性包括:参与任务平均收藏人数与投标人数之比、中标任务平均收藏人数与投标人数之比、参与任务平均浏览人数与收藏人数之比、中标任务平均浏览人数与收藏人数之比; 所述自我营销归属感包括:好评率、评论个数; 所述阈值线模型,包括: Motivition=mi-Mf+β Ability=ai-Af+α 其中, ai表示第i个工人的能力值大小; mi表示第i个工人的动机值大小; Mf为工人动机的Kolmogorov平均值; Af为工人能力的Kolmogorov平均值; α表示能力轴上调节的参数; β表示动机轴上调节的参数; 且通过构建损失函数lost,运用五折交叉验证训练α、β使lost收敛,取α、β的平均值作为最终结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人合肥工业大学,其通讯地址为:230009 安徽省合肥市包河区屯溪路193号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。