科研之友
微信
新浪微博
Facebook
分享链接
摘要
如何为面对繁多任务的工人推选出与之偏好密切相关的任务是当前时空众包领域的研究热点，针对已有任务推荐方法大多只关注工人与任务的静态信息匹配，却忽略了工人选择偏好的动态变化，本文提出了考虑众包工人时空行为偏好的top-k任务推荐模型。首先采用时空转移矩阵聚合工人与任务的历史映射信息，然后通过空间注意力机制来增强序列信息的表征能力，再将其纳入到时空循环网络中挖掘工人局部和全局性的移动偏好，进而预测工人的意图动向。最后构建worker-tasks亲和力相关度分数并形成概率个性化任务推荐池，评估工人与他们即将到达区域内任务之间的关联关系，帮助工人快速选择和定位所需任务。实验结果表明，本文所提方法相较于对比模型具有更好的任务推荐效果。
- 单位
