社交网络中基于概念格的协作成本任务分配方法及其系统技术方案

本发明专利技术公开了社交网络中基于概念格的协作成本任务分配方法及其系统。本发明专利技术对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型；利用形式概念分析获得社交网络中的小团体，基于小团体的内部强联系属性，为任务招募满足其技能需求的参与者，快速获得足以完成任务的强联系团队，提升协作性任务的完成效率。利用社交网络中小团体成员间的紧密联系特性，即任一成员均可代表整个小团队，从不同的小团体中选择专家构建弱联系团队，全方位、多层次地构建团队，保证竞争型性任务的公平性。与已有任务分配算法相比，本发明专利技术所提方法在协作成本、团队规模与运行时间等性能均有显著的提升。

【技术实现步骤摘要】
社交网络中基于概念格的协作成本任务分配方法及其系统
本专利技术涉及社交网络，具体涉及社交网络中基于概念格的协作成本任务分配方法及其系统。
技术介绍
一项复杂任务通常需要团队的参与者间协作完成。例如，对于一项互联网金融工程，需要来自软件开发、金融分析等不同领域的专家组成技术团队，才能保证该项工程的顺利完成。因此，参与者的选择，进而形成一个高效的团队是社交网络中协作任务得以成功完成的保障。研究表明，参与者间的社会关系对于任务完成的效率具有重要影响。低协作成本的团队能提升协作任务完成的质量，而高协作成本的团队能保证竞争型任务的公平性。在社交网络中，多项任务共存，每项任务对应数种技能的组合，每位参与者具备不同技能。任务分配的本质在于为每项任务招募团队，满足任务对技能的需求。现实生活中，参与者之间亲疏有别，关系紧密的团队参与者导致低的通信和协作成本。同时，一些任务希望参与者来自不同的阵营，能代表各个阶层的声音，如项目评审或各级评奖，评审团参与者之间弱联系的存在，能保证评审结果的客观公正。根据社交网络中不同类型任务的不同目标，将两种情况下的任务分配问题分别建模为强联系组队问题(TFP-ST，TeamFormationProblemwithStrongTies)与弱联系组队问题(TFP-WT，TeamFormationProblemwithWeakTies)。现有工作研究了强联系团队的形成方法，设计不同的协作成本函数作为度量标准，用以评估形成团队的性能。加州大学河滨分校引入两个概念，即最小生成树(MST，MinimumSpanningTree)和团队的最大直径作为度量标准，并提出启发式算法。多伦多约克大学设计了技能之间通信成本之和以及到领导者的距离之和两种度量标准，并提出了带领导者的组队算法。马克斯普朗克计算机科学研究所使用子图的密度选出一个协作团队。基于紧密中心性和特征向量中心性，西拉大学形成低协作成本的高效团队。另外，罗马大学考虑了负载均衡，黑龙江大学考虑了时间限制等。然而，这些贪心启发式算法只能实现局部最优，无法保证全局最优。组建弱联系团队的相关研究不多，北京大学提出社会影响度量标准，并找出最小化社会影响的团队。然而，该研究中所需的权威参数在现实中难以获取；先前的工作提出以团队参与者之间最短距离的最小值作为弱联系的通信成本，选择使得团队通信成本最大化的参与者，形成弱联系团队。然而对于评审类的任务而言，团队的权威性未加入考虑。
技术实现思路
针对现有算法存在的问题，本专利技术的目的是提供社交网络中基于概念格的协作成本任务分配方法及其系统，解决现有的协作成本任务分配方法中获得足以完成任务的强联系团队的速度慢、无法保证全局最优的技术问题。为了实现上述目标，本专利技术采用以下技术方案：社交网络中基于概念格的协作成本任务分配方法，包括以下步骤：步骤1：对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型，所述的任务分配系统模型包括社交网络模型、任务-技能模型和参与者-技能模型；步骤2：从所述的任务分配系统模型中分别构建TFP-ST模型和TFP-WT模型，所述的TFP-ST模型包括目标函数及约束条件，所述的TFP-WT模型包括目标函数及约束条件，所述的TFP-ST为强联系组队问题，所述的TFP-WT为弱联系组队问题；步骤3：对社交网络模型采用形式概念分析得到社交网络中的概念格，然后用InClose算法对社交网络中的概念格处理获得社交网络模型中的小团体gi的集合g；步骤4：对任务分配系统模型中任务，获取所述的小团体gi的技能矩阵f(gi)，根据f(gi)找出满足所述的TFP-ST模型中的约束条件和目标函数的小团体，构建强联系团队；对任务分配系统模型中任务，从步骤3中的小团体集合g中找出满足所述的TFP-WT模型中的约束条件和目标函数的参与者集合，构建弱联系团队。具体的，步骤1中所述的社交网络模型为图G，G＝(V,E)，其中V为G中节点的集合，表示社交网络中参与者的集合，G中的节点u∈V，表示一个社交网络中的参与者；|V|＝N，N为节点的数目，表示社交网络中参与者的数目，N＞0；E表示图G中边的集合，E中边的权重表示两个相邻参与者之间的通信成本；所述的任务-技能模型具体为：ti＝[ti1…tik…tiM]，ti∈T，其中，ti为任务矩阵，表示任务分配系统模型中第i个任务；tik表示任务分配系统模型中任务ti是否需要第k个技能；M表示任务分配系统模型中所有技能领域的数目，M≥1，为有限的正整数，1≤k≤M；T表示任务分配系统模型中任务的集合，T≥1，为有限的正整数；所述的参与者-技能模型具体为：pj＝[pj1…pjk…pjM]其中，sk表示任务分配系统模型中第k个技能；pj表示参与者j拥有的技能信息表；pjk表示参与者j对技能sk的熟练度，0≤pjk≤1，若pjk＝0，表示参与者j未掌握技能sk，若pjk＞0，表示参与者j掌握技能sk，pjk的值越大，表示参与者j对技能sk的掌握熟练度越高；Sj为参与者j掌握的技能集合。具体地，步骤2中所述的TFP-ST模型包括目标函数及约束条件，可表示为，目标函数为：Min(Mst(V′))约束条件为：步骤2中所述的TFP-WT模型包括目标函数及约束条件，具体为，目标函数为：Max(Min(V′))约束条件：其中，V′表示构建的团队中包含的参与者的集合；E′表示子集V′构建的子图中边的集合；若tik＝1，表示任务ti需要技能sk，若tik＝0，表示任务ti不需要技能sk；Mst(V′)表示构建的团队的最小生成树；Min(V′)表示团队V′的最小通信成本。具体的，步骤3中获得社交网络模型中的小团体gi集合g的方法如下：对社交网络模型采用形式概念分析，将社交网络模型图G转化为形式背景FC(G)，然后用InClose算法从形式背景FC(G)中获得小团体gi的集合g，g＝{g1,…,gi,…,gp}，1≤i≤p，|g|＝p，p表示小团体的数目，p＞0，gi＝[gi1…gij…giN]，1≤j≤N，N表示社交网络中参与者的数目，gij表示小团体gi中是否包含参与者j，若gij＝1，表示小团体gi中包含参与者j，若gij＝0，表示小团体gi中不包含参与者j。进一步地，根据步骤1中所述的参与者j拥有的技能列表pj和所述的小团体gi，获得小团体代表的团队的技能矩阵f(gi)，所述的小团体代表的团队的技能矩阵f(gi)具体为：其中gijpjk表示如果gij＝1，则gi中存在参与者j，才能考虑参与者j对技能sk的技能熟练度pjk；0≤fik≤1，fik表示小团体gi代表的团队对技能sk的技能熟练度，若fik＝0，表示小团体gi代表的团队不能完成包含技能sk的任务，若fik＞0，表示小团体gi代表的团队掌握技能sk，若fik的值越大，表示小团体gi代表的团队对技能sk的掌握熟练度越高，1≤k≤M，M表示任务分配系统模型中所有技能领域的数目；N表示社交网络中参与者的数目；具体的，所述的构建强联系团队的步骤包括：步骤a：对于任务分配系统模型中任务ti，存在小团体gx，都有fxk＞0，将小团体{gx}中的小团体gxmax匹配给任务ti，小团体gxmax包含的参与者即为所要构本文档来自技高网...

【技术保护点】
1.社交网络中基于概念格的协作成本任务分配方法，包括以下步骤：步骤1：对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型，所述的任务分配系统模型包括社交网络模型、任务‑技能模型和参与者‑技能模型；步骤2：从所述的任务分配系统模型中分别构建TFP‑ST模型和TFP‑WT模型，所述的TFP‑ST模型包括目标函数及约束条件，所述的TFP‑WT模型包括目标函数及约束条件，所述的TFP‑ST为强联系组队问题，所述的TFP‑WT为弱联系组队问题；其特征在于：步骤3：对社交网络模型采用形式概念分析得到社交网络中的概念格，然后用InClose算法对社交网络中的概念格处理获得社交网络模型中的小团体gi的集合g；步骤4：对任务分配系统模型中的任务，获取所述的小团体gi的技能矩阵f(gi)，根据f(gi)找出满足所述的TFP‑ST模型中的约束条件和目标函数的小团体，构建强联系团队；对任务分配系统模型中的任务，从步骤3中的小团体集合g中找出满足所述的TFP‑WT模型中的约束条件和目标函数的参与者集合，构建弱联系团队。

【技术特征摘要】
1.社交网络中基于概念格的协作成本任务分配方法，包括以下步骤：步骤1：对社交网络、社交网络中的任务、社交网络中的参与者以及参与者所具备的技能进行建模，得到任务分配系统模型，所述的任务分配系统模型包括社交网络模型、任务-技能模型和参与者-技能模型；步骤2：从所述的任务分配系统模型中分别构建TFP-ST模型和TFP-WT模型，所述的TFP-ST模型包括目标函数及约束条件，所述的TFP-WT模型包括目标函数及约束条件，所述的TFP-ST为强联系组队问题，所述的TFP-WT为弱联系组队问题；其特征在于：步骤3：对社交网络模型采用形式概念分析得到社交网络中的概念格，然后用InClose算法对社交网络中的概念格处理获得社交网络模型中的小团体gi的集合g；步骤4：对任务分配系统模型中的任务，获取所述的小团体gi的技能矩阵f(gi)，根据f(gi)找出满足所述的TFP-ST模型中的约束条件和目标函数的小团体，构建强联系团队；对任务分配系统模型中的任务，从步骤3中的小团体集合g中找出满足所述的TFP-WT模型中的约束条件和目标函数的参与者集合，构建弱联系团队。2.如权利要求1所述的社交网络中基于概念格的协作成本任务分配方法，其特征在于，步骤1中所述的社交网络模型为图G，G＝(V,E)，其中V为G中节点的集合，表示社交网络中参与者的集合，G中的节点u∈V，表示一个社交网络中的参与者；|V|＝N，N为节点的数目，表示社交网络中参与者的数目，N>0；E表示图G中边的集合，E中边的权重表示两个相邻参与者之间的通信成本；所述的任务-技能模型具体为：ti＝[ti1…tik…tiM]，ti∈T，其中，ti为任务矩阵，表示任务分配系统模型中第i个任务；tik表示任务分配系统模型中任务ti是否需要第k个技能；M表示任务分配系统模型中所有技能领域的数目，M≥1，为有限的正整数，1≤k≤M；T表示任务分配系统模型中任务的集合，T≥1，为有限的正整数；所述的参与者-技能模型具体为：pj＝[pj1…pjk…pjM]其中，sk表示任务分配系统模型中第k个技能；pj表示参与者j拥有的技能信息表；pjk表示参与者j对技能sk的熟练度，0≤pjk≤1，若pjk＝0，表示参与者j未掌握技能sk，若pjk>0，表示参与者j掌握技能sk，pjk的值越大，表示参与者j对技能sk的掌握熟练度越高；Sj为参与者j掌握的技能集合。3.如权利要求2所述的社交网络中基于概念格的协作成本任务分配方法，其特征在于，步骤2中所述的TFP-ST模型包括目标函数及约束条件，具体为，目标函数为：Min(Mst(V′))约束条件为：步骤2中所述的TFP-WT模型包括目标函数及约束条件，其中，目标函数为：Max(Min(V′))约束条件：其中，V′表示构建的团队中包含的参与者的集合；E′表示子集V′构建的子图中边的集合；若tik＝1，表示任务ti需要技能sk，若tik＝0，表示任务ti不需要技能sk；Mst(V′)表示构建的团队的最小生成树；Min(V′)表示团队V′的最小通信成本。4.如权利要求3所述的社交网络中基于概念格的协作成本任务分配方法，其特征在于，步骤3中获得社交网络模型中的小团体gi集合g的方法如下：对社交网...

【专利技术属性】
技术研发人员：尹小燕，王倩倩，孙婷，孟一，金博，陈峰，陈晓江，房鼎益，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61