基于排序学习的软件众包任务推荐算法

• 作者: 余敦辉 成涛 袁旭
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 软件众包 任务推荐 隐语义模型 隐式反馈 排序学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 复杂系统的软件工程和需求工程
• 页码范围: 106-113
• 页数: 8页
• 分类号: TP311.52
• 语种: 中文
• DOI: 10.11896/jsjkx.200300107

摘要

为了更有效地实现软件众包任务推荐,提升软件开发质量,为工人推荐合适的任务,降低工人利益受损风险,以达到工人和众包平台双赢的效果,设计了一种基于排序学习的软件众包任务推荐方法.首先,基于改进的隐语义模型提取工人-任务间的隐含特征;然后,结合隐式信息对排序学习模型进行改进,并将提取的隐含特征进行排序学习训练,获得最优排序模型;最终通过排序模型对测试集任务进行排序得到任务推荐列表,从而为工人进行众包任务推荐,并采用 NDCG,MAP,Recall推荐评价指标对推荐结果进行检验.实验表明,所设计的方法能有效提高软件众包任务推荐的精度,其推荐评价指标的 NDCG, MAP ,Recall值分别达到0.722,0.326,0.169.与基于用户的协同过滤算法相比,推荐精度提升了 18.6%;与仅基于 RankNet的排序学习算法相比,精度提升了 1 0.2%,因此能够有效指导软件众包任务推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余敦辉		29	152	6.0	11.0
2	袁旭		3	2	1.0	1.0
3	成涛		1	0	0.0	0.0