基于排序学习的软件众包任务推荐算法

摘要：

为了更有效地实现软件众包任务推荐,提升软件开发质量,为工人推荐合适的任务,降低工人利益受损风险,以达到工人和众包平台双赢的效果,设计了一种基于排序学习的软件众包任务推荐方法.首先,基于改进的隐语义模型提取工人-任务间的隐含特征;然后,结合隐式信息对排序学习模型进行改进,并将提取的隐含特征进行排序学习训练,获得最优排序模型;最终通过排序模型对测试集任务进行排序得到任务推荐列表,从而为工人进行众包任务推荐,并采用 NDCG,MAP,Recall推荐评价指标对推荐结果进行检验.实验表明,所设计的方法能有效提高软件众包任务推荐的精度,其推荐评价指标的 NDCG, MAP ,Recall值分别达到0.722,0.326,0.169.与基于用户的协同过滤算法相比,推荐精度提升了 18.6%;与仅基于 RankNet的排序学习算法相比,精度提升了 1 0.2%,因此能够有效指导软件众包任务推荐.

关键词：软件众包、任务推荐、隐语义模型、隐式反馈、排序学习

所属期刊栏目：47

分类号：TP311.52(计算技术、计算机技术)

资助基金：湖北省技术创新重大专项;国家自然科学基金

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：106-113