基于强化学习的设计资源能力评估方法技术

本发明专利技术公开了一种基于强化学习的设计资源能力评估方法，以服务商历史交易数据以及当前设计资源数据为状态数据，以推送最大能力评估值的服务商为动作，并采用树状结构构建经验回放集合，基于强化学习在各个领域内评估服务商的能力广度分值和能力宽度分值，从而了解服务商的综合能力、成长能力和承担能力，并基于强化学习自学习自演进的构想，对服务商不仅依赖数据还依据质量进行合理评估，能够了解当前服务商的综合能力、成长能力以及承担能力，为众包平台提供更客观的能力反馈信息，也能为众包平台的个性化推送服务提供服务商的数据支撑。撑。撑。

【技术实现步骤摘要】
基于强化学习的设计资源能力评估方法


[0001]本专利技术属于计算机数据处理
，具体地说，是涉及一种基于强化学习的设计资源能力评估方法。

技术介绍

[0002]能力是完成某项活动所需具备的基本素质。传统的能力评价理论将能力划分为一般能力和特殊能力，其中一般能力指的是应对基本活动的能力，比如观察能力和思考的能力；而特殊能力指的是在从事某些特定活动所表现出的与经验相关的能力，比如设计能力、宣传能力、管理能力等。因此，能力是多样化的，每个服务商/商户在不同的设计领域中所表现出来的能力也有所不同。在服务平台中，能力域是一个重要的组成部分，与平台的运行、任务的完成、知识资源的积累都有着密不可分的联系。
[0003]设计资源服务需求是指需要利用外部资源服务来完成产品设计过程，主要是智力资源服务需求、知识资源服务需求、工具资源服务需求以及其它服务需求，其属性主要包括基本属性、目标属性和服务属性。因此随着设计能力主体所完成的设计任务数量的提高，其设计能力将会不断成长，而这种成长特性决定了无法依靠静态的数学模型来分析评价设计能力。基于己完成设计任务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的设计资源能力评估方法，其特征在于，包括：获取众包平台中服务商的历史交易数据和设计资源数据；基于以下步骤得到服务商设计资源特征：提取所述设计资源信息数据得到的设计资源共性，量化所述历史交易数据得到交易等级，提取所述历史交易数据得到广度资源划分数据，提取所述设计资源信息数据得到的描述标签，以及，获取前一时刻强化学习得到的能力评估结果；以时间为序构建树状结构集合作为强化学习的经验回放集合；以服务商为单位，以服务商的历史交易数据和服务商设计资源特征为强化学习的状态，以推送最大能力评估值的服务商为强化学习的动作，基于强化学习得到服务商的设计资源能力评估结果。2.根据权利要求1所述的基于强化学习的设计资源能力评估方法，其特征在于，推送最大能力评估值的服务商为强化学习的动作，具体为：设计前馈函数f(s,action)＝eval_score；其中，f
′
(s,s
′
,Reward)＝action，s为环境代理交互前状态，s
′
为环境代理交互后状态，Reward为强化学习给出的奖励，action为推荐概率，eval_score为能力评估值。3.根据权利要求1所述的基于强化学习的设计资源能力评估方法，其特征在于，所述方法还包括：将强化学习得到的各项设计资源特征对...

【专利技术属性】
技术研发人员：于树松，胡若彤，杨宁，郭保琪，刘晓菲，石硕，丁香乾，侯瑞春，宫会丽，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：