基于用户偏好的众包任务推送方法及相关装置制造方法及图纸

本发明专利技术实施例公开了基于用户偏好的众包任务推送方法及相关装置，其中，所述方法包括：针对目标任务类型的任务确定第一预设数量的任务响应活跃用户；分别获取各个任务响应活跃用户的历史推送数据集；根据历史推送数据集，建立接受概率逻辑回归模型；利用接受概率逻辑回归模型，根据活跃用户数据和历史任务数据估算历史任务接受概率；根据历史任务接受概率和响应结果标签数据，估算任务响应活跃用户的用户似然程度；根据第一预设数量的任务响应活跃用户各自对应的用户似然程度从第一预设数量的任务响应活跃用户中确定第一高偏好目标用户，并将目标任务类型的目标推送任务推送给第一高偏好目标用户。采用本发明专利技术的方案，可以提高众包任务的交付效率。

【技术实现步骤摘要】
基于用户偏好的众包任务推送方法及相关装置
本专利技术涉及计算机领域，尤其涉及基于用户偏好的众包任务推送方法及相关装置。
技术介绍
近年来，越来越多的企业开始尝试将一定技术性的工作任务通过互联网渠道委托给外部的个体或组织完成，这种新兴的基于互联网的开放式协作创新模式被称为众包。众包模式一般包含三个主体：发包方、众包平台和接包方，一般由发包方将众包任务发布在众包平台上，然后由接包方从众包平台上承接任务并按约定完成任务并获得相应的报酬。常见的众包任务包含设计、管理咨询、方案策划、影视制作、信息收集、图片识别、软件开发等。在众包任务分配时，众包平台将发包方的任务需求广泛传播，同时在互联网上寻找到能力、兴趣等与相应的众包任务匹配的人才进行分配，才能保证众包任务顺利高效地完成。然而，在当前众包作业场景中，大多数情况下发布任务时，未考虑接包者个体对任务的偏好，因此导致部分任务派发下去后，用户没有及时接受任务或不接受任务、任务需要重新派发的问题。用户对任务的响应程度不高，直接影响任务的完成程度和交付效率。
技术实现思路
本专利技术提供基于用户偏好的众包任务推送方法及相关装置，可以提高众包任务的交付效率。第一方面，本专利技术实施了提供了一种基于用户偏好的众包任务的推送方法，包括：针对目标任务类型的任务确定第一预设数量的任务响应活跃用户；分别获取各个任务响应活跃用户的历史推送数据集，所述历史推送数据集包括第二预设数量的历史推送数据，所述历史推送数据包括所述任务响应活跃用户被推送目标任务类型的历史推送任务所产生的活跃用户数据、所述历史推送任务对应的历史任务数据和所述历史推送任务是否被所述任务响应活跃用户接受的响应结果标签数据；根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型，所述历史任务接受概率为所述任务响应活跃用户对各个历史推送任务的接受概率；利用所述接受概率逻辑回归模型，根据所述活跃用户数据和所述历史任务数据估算所述历史任务接受概率；根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度；根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户，并将目标任务类型的目标推送任务推送给所述第一高偏好目标用户。结合第一方面，在一种可能的实现方式中，所述历史任务数据包括所述历史推送任务的至少一个任务属性特征数据，所述活跃用户数据包括所述任务响应活跃用户的至少一个用户属性特征数据；所述根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型包括：若所述第二预设数量为m，m为正整数，用事件A1表示任务响应活跃用户u接受m个历史推送任务中的第i个历史推送任务，i为正整数，i∈[1,m]，则所述任务响应活跃用户u对第i个历史推送任务的历史任务接受概率为：其中，向量xi为第i个历史推送任务对应的任务属性特征数据构成的任务特征值向量；向量wu为所述任务响应活跃用户u针对第i个历史推送任务的用户属性特征数据构成的用户特征权值向量，所述用户特征权值向量中各个用户属性特征数据的用户特征权重，根据全部第一预设数量的任务响应活跃用户各自的用户属性特征数据和所述任务响应活跃用户对应历史推送数据集的响应结果标签数据统计得到。结合第一方面，在一种可能的实现中，所述根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度包括：若所述第二预设数量为m，m为正整数，针对任务响应活跃用户u推送的m个历史推送任务和所述m个历史推送任务的响应结果标签数据对应的响应结果，构成了所述任务响应活跃用户u的采样样本集，则任务响应活跃用户u关于所述采样样本集的似然程度为：其中，Pu(A1|xuj)表示任务响应活跃用户u对m个历史推送任务中第j个历史推送任务的历史任务接受概率；yuj为所述任务响应活跃用户u对m个历史推送任务中的第j个历史推送任务的响应结果标签数据，j为正整数，j∈[1,m]，yuj∈{0,1}。结合第一方面，在一种可能的实现中，所述根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户包括：将所述第一预设数量的任务响应活跃用户按照各自对应的用户似然程度从高到低排序；将排序最靠前的第三预设数量的任务响应活跃用户确定为第一高偏好目标用户，所述第三预设数量小于或等于所述第一预设数量，且大于或等于所述目标推送任务的数量。结合第一方面，在一种可能的实现中，所述方法还包括：从所述第一预设数量的任务响应活跃用户中删除所述第一高偏好目标用户，并将删除所述第一高偏好目标用户后的任务响应活跃用户确定为二级筛选活跃用户；当接收到所述第一高偏好目标用户针对所述目标推送任务的任务拒绝指令时，根据所述二级筛选活跃用户各自对应的用户似然程度，从所述二级筛选活跃用户中确定第二高偏好目标用户；将所述任务拒绝指令对应的目标推送任务推送给所述第二高偏好目标用户。结合第一方面，在一种可能的实现中，所述将目标任务类型的目标推送任务推送给所述第一高偏好目标用户包括：根据所述第一高偏好目标用户的历史推送数据集，确定所述第一高偏好目标用户的高偏好接受时间数据；在所述高偏好接受时间数据对应的时刻向所述第一高偏好目标用户推送所述目标任务类型的目标推送任务。第二方面，本专利技术实施例提供了一种基于用户偏好的众包任务推送装置，包括：活跃用户确定单元，用于针对目标任务类型的任务确定第一预设数量的任务响应活跃用户；数据集获取单元，用于分别获取各个任务响应活跃用户的历史推送数据集，所述历史推送数据集包括第二预设数量的历史推送数据，所述历史推送数据包括所述任务响应活跃用户被推送目标任务类型的历史推送任务所产生的活跃用户数据、所述历史推送任务对应的历史任务数据和所述历史推送任务是否被所述任务响应活跃用户接受的响应结果标签数据；模型建立单元，用于根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型，所述历史任务接受概率为所述任务响应活跃用户对各个历史推送任务的接受概率；估算单元，用于利用所述接受概率逻辑回归模型，根据所述活跃用户数据和所述历史任务数据估算所述历史任务接受概率；所述估算单元，还用于根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度；任务推送单元，用于根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户，并将目标任务类型的目标推送任务推送给所述第一高偏好目标用户。结合第二方面，在一种可能的实现方式中，所述装置还包括：二级筛选单元，用于从所述第一预设数量的任务响应活跃本文档来自技高网...

【技术保护点】
1.一种基于用户偏好的众包任务推送方法，其特征在于，包括：针对目标任务类型的任务确定第一预设数量的任务响应活跃用户；分别获取各个任务响应活跃用户的历史推送数据集，所述历史推送数据集包括第二预设数量的历史推送数据，所述历史推送数据包括所述任务响应活跃用户被推送目标任务类型的历史推送任务所产生的活跃用户数据、所述历史推送任务对应的历史任务数据和所述历史推送任务是否被所述任务响应活跃用户接受的响应结果标签数据；根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型，所述历史任务接受概率为所述任务响应活跃用户对各个历史推送任务的接受概率；利用所述接受概率逻辑回归模型，根据所述活跃用户数据和所述历史任务数据估算所述历史任务接受概率；根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度；根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户，并将目标任务类型的目标推送任务推送给所述第一高偏好目标用户。...

【技术特征摘要】
1.一种基于用户偏好的众包任务推送方法，其特征在于，包括：针对目标任务类型的任务确定第一预设数量的任务响应活跃用户；分别获取各个任务响应活跃用户的历史推送数据集，所述历史推送数据集包括第二预设数量的历史推送数据，所述历史推送数据包括所述任务响应活跃用户被推送目标任务类型的历史推送任务所产生的活跃用户数据、所述历史推送任务对应的历史任务数据和所述历史推送任务是否被所述任务响应活跃用户接受的响应结果标签数据；根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型，所述历史任务接受概率为所述任务响应活跃用户对各个历史推送任务的接受概率；利用所述接受概率逻辑回归模型，根据所述活跃用户数据和所述历史任务数据估算所述历史任务接受概率；根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度；根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户，并将目标任务类型的目标推送任务推送给所述第一高偏好目标用户。2.如权利要求1所述的方法，其特征在于，所述历史任务数据包括所述历史推送任务的至少一个任务属性特征数据，所述活跃用户数据包括所述任务响应活跃用户的至少一个用户属性特征数据；所述根据所述第一预设数量的任务响应活跃用户各自的历史推送数据集，建立历史任务接受概率关于所述历史任务数据和所述活跃用户数据的接受概率逻辑回归模型包括：若所述第二预设数量为m，m为正整数，用事件A1表示任务响应活跃用户u接受m个历史推送任务中的第i个历史推送任务，i为正整数，i∈[1,m]，则所述任务响应活跃用户u对第i个历史推送任务的历史任务接受概率为：其中，向量xi为第i个历史推送任务对应的任务属性特征数据构成的任务特征值向量；向量wu为所述任务响应活跃用户u针对第i个历史推送任务的用户属性特征数据构成的用户特征权值向量，所述用户特征权值向量中各个用户属性特征数据的用户特征权重，根据全部第一预设数量的任务响应活跃用户各自的用户属性特征数据和所述任务响应活跃用户对应历史推送数据集的响应结果标签数据统计得到。3.如权利要求1所述的方法，其特征在于，所述根据所述历史任务接受概率和所述响应结果标签数据，估算所述任务响应活跃用户关于所述历史推送任务及所述历史推送任务的响应结果标签数据对应的响应结果的用户似然程度包括：若所述第二预设数量为m，m为正整数，针对任务响应活跃用户u推送的m个历史推送任务和所述m个历史推送任务的响应结果标签数据对应的响应结果，构成了所述任务响应活跃用户u的采样样本集，则任务响应活跃用户u关于所述采样样本集的似然程度为：其中，Pu(A1|xuj)表示任务响应活跃用户u对m个历史推送任务中第j个历史推送任务的历史任务接受概率；yuj为所述任务响应活跃用户u对m个历史推送任务中的第j个历史推送任务的响应结果标签数据，j为正整数，j∈[1,m]，yuj∈{0,1}。4.如权利要求1所述的方法，其特征在于，所述根据所述第一预设数量的任务响应活跃用户各自对应的用户似然程度从所述第一预设数量的任务响应活跃用户中确定第一高偏好目标用户包括：将所述第一预设数量的任务响应活跃用户按照各自对应的用户似然程度从高到低排序；将排序最靠前的第三预设数量的任务响应活跃用户确定为第一高偏好...

【专利技术属性】
技术研发人员：黄夕桐，李佳琳，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44