众包社区中基于敏感性分析的用户偏好挖掘模型及实验

摘要：

[目的]对众包社区中用户及任务特征进行分析,识别出众包用户的潜在兴趣偏好.[方法]在现有研究的基础上,本文运用敏感性分析方法研究了众包用户对各任务属性特征的敏感性程度,并结合二部图原理构建相应的众包用户潜在偏好挖掘模型,挖掘出众包用户行为规律中所包含的隐性偏好信息,并通过实验分析说明了该模型的有效性.[结果]本文提出的模型可以有效识别众包用户对于Books、Software、Music等属性特征的敏感性程度,并挖掘出用户对于Pyrex Oblong Roaster、Oxford、Cashback等任务的潜在偏好,预测其选择倾向.较传统协同过滤算法相比,具有更小的MAE值.[局限]本文偏好挖掘模型仅从竞赛型众包环境中的用户角度出发,尚未考虑到协作型众包中不同用户的兴趣特征间的互补.[结论]本文模型不仅能够全面准确理解众包用户兴趣偏好,还能挖掘众包用户潜在的偏好信息,使得众包任务的分配更具有针对性,从而增加众包任务分配的准确性.

关键词：众包、任务-用户匹配、属性特征、敏感性分析、潜在偏好挖掘

所属期刊栏目：2

分类号：N99(情报学、情报工作)

资助基金：国家社会科学基金重大项目“面向大数据的数字图书馆移动视觉搜索机制及应用研究”15ZDB126;国家自然科学基金面上项目“基于科研众包模式的公众科学项目运作与管理机制研究”71774083;国家自然科学基金青年项目“基于行动者网络框架的众包模式设计与管理研究”项目71403119的研究成果之一

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：23-31