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！

申请/专利权人：东南大学

摘要：本发明提出一种基于深度学习的众包软件开发者推荐方法，所述方法包括以下步骤：步骤1：对众包平台中的任务和开发者进行建模；步骤2：基于注意力机制和深度神经网络的深度特征提取；步骤3：引入时间因素的任务相似度计算；步骤4：融合任务和开发者特征的深度神经网络预测模型，将提取的任务和开发者特征作为深度神经网络预测模型的输入。该方案利用卷积神经网络从任务和开发者的各种类型的交互中提取隐藏的结构和特征，来预测开发者在该任务上的得分，进一步提高准确度，该方法能在大规模的众包平台中取得更好的推荐精度和效率。

主权项：1.一种基于深度学习的众包软件开发者推荐方法，其特征在于，所述方法包括以下步骤：步骤1：对众包平台中的任务和开发者进行建模；步骤2：基于注意力机制和深度神经网络的深度特征提取；步骤3：引入时间因素的任务相似度计算；步骤4：融合任务和开发者特征的深度神经网络预测模型，将提取的任务和开发者特征作为深度神经网络预测模型的输入，预测出开发者对于该任务的得分，按照分数的高低向该任务推荐Top-K开发者；其中，所述步骤1：对众包平台中的任务和开发者进行建模，具体如下，定义1：新发布的任务，假设T代表众包平台中所有新发布的任务所组成的集合，则一个新发布的任务Ti∈T采用一个五元组来表示，Ti＝{Td,Tl,Tp,Tc,Tm}；·Td代表任务的需求描述文本；·Tl代表任务所需要的技能集合，Tl＝{Tl1,Tl2,…Tln}，n是所需技能的个数；·Tp代表任务发布的日期；·Tc代表任务开发周期；·Tm代表完成任务获得的报酬；定义2:已完成的任务,假设P代表众包平台中已经完成的任务所组成的集合，则一个已完成的任务Pi∈P采用一个八元组来表示，Pi＝{Pd,Pl,Pp,Pc,Pm,Pr,Ps,Pw}；·Pd代表任务的需求描述文本；·Pl代表任务所需要的技能集合，Pl＝{Pl1,Pl2,…Pln}，n是所需技能的个数；·Pp代表任务发布的日期；·Pc代表任务开发周期；·Pm代表完成任务获得的报酬；·Pr代表注册该任务的开发者信息，Pr＝{Pr1,Pr2,…Prn}，n是注册开发者的个数；·Ps代表提交该任务的开发者信息，Ps＝{Ps1,Ps2,…Psn}，n是提交开发者的个数；·Pw代表获胜该任务的开发者信息，Pw＝{Pw1,Pw2,…Pwn}，n是获胜开发者的个数；定义3：众包开发者，假设D代表众包平台上的开发者所组成的集合，这里定义一个开发者Di∈D由开发者能力、开发者积极性、领域知识信息构成，用一个三元组表示，Di＝{C,A,S}；·C代表开发者能力：使用以下属性来描述开发者的能力： 开发者注册相似任务的次数， 开发者提交相似任务的次数， 开发者获胜相似任务的次数， 开发者在相似任务上获得的平均报酬， 开发者在相似任务上获得的平均得分， 开发者参与任务的平均开发周期，·A代表开发者的积极性：使用以下属性来描述开发者的积极性： 开发者参与的任务次数， 开发者最后一次注册任务与第一次注册任务的时间间隔， 开发者最后一次注册和待做任务发布时间之间的时间间隔，·S代表领域知识：领域知识代表开发者执行任务获得的领域经验，把领域知识定义为开发者从历史任务中获得的技能集合，Sl＝{S1,S2,…Sn}，n是开发者获得的技能的个数；对于文本、类别类型的特征，采用word2vec方法来建模向量，word2vec反映词语间语义相关性的高维向量空间，对于数值型的特征，基于相应的特征的最大最小值将其归一化成0-1之间的数字，其中，步骤3：引入时间因素的任务相似度计算，将经过注意力机制和深度神经网络的提取出的任务特征计算欧几里得距离并采用遗忘规律量化时间因素来找到对该任务感兴趣的开发者，本文视为最近一段时间注册过相似任务的开发者会对新任务感兴趣。

全文数据：

权利要求：

百度查询： 东南大学 基于深度学习的众包软件开发者推荐方法