針對大數(shù)據(jù)任務(wù)中海量數(shù)據(jù)分析需求、復(fù)雜認知推理挑戰(zhàn)和傳統(tǒng)計算中隨機分配任務(wù)算法的低效性以及互聯(lián)網(wǎng)用戶的虛擬性、不確定性等問題，提出了一種基于用戶主題精準(zhǔn)感知的迭代式任務(wù)分配算法。首先，通過基于自適應(yīng)模糊聚類與主題提取模型相結(jié)合的方法提取已發(fā)布群體任務(wù)的主題，然后構(gòu)建特定任務(wù)模型和用戶模型計算各關(guān)聯(lián)度，再利用已提交高質(zhì)量答案的歷史任務(wù)迭代地檢測新用戶的真實主題并計算初始準(zhǔn)確率；其次，通過邏輯回歸（ LR）方法預(yù)測用戶能參與到某類任務(wù)的可能性并得到參與用戶候選序列，在充分了解用戶真實主題和對應(yīng)主題上的準(zhǔn)確率以及用戶誠信度的情況下進行精準(zhǔn)分配。通過與隨機算法在模擬實驗中對準(zhǔn)確率進行比較，實驗結(jié)果表明所提算法準(zhǔn)確率比隨機算法高20個百分點以上，并隨著訓(xùn)練數(shù)據(jù)量的增加而提高，在相似任務(wù)上的準(zhǔn)確率更是接近lOO%。實驗驗證所提算法更精準(zhǔn)、尤其適用于大數(shù)據(jù)環(huán)境，并一定程度上節(jié)約了隨機算法需多次重復(fù)分配確保準(zhǔn)確率的花銷。
?