专利交易市场

本发明涉及一种空间众包中工人可拒绝下的在线单点任务分配方法。本发明首先定义可拒绝的空间众包问题；其次收集工人和任务历史信息，根据原始数据计算工人和任务属性值；并利用主成分分析法全面分析工人对任务的兴趣度，成为每个工人和任务对的权值；然后最大匹配下最高兴趣度问题建模，讨论在约束条件下，用贪心策略实现任务分配算法，得到局部最优解；最后使用KM算法来解决最大匹配下最高兴趣度问题，得到最优解；最大匹配下最高兴趣度问题变形后，使用最小费用最大流相关算法求解最优解。本发明通过问题建模转化，讨论工人可拒绝问题在贪心策略下的分配方法，采用KM算法和MaxFlow算法解决了在线分配、最大化兴趣度问题。

本发明公开了一种推荐任务发布时间的空间众包方法，本发明利用交叉图神经网络提取任务请求者、任务以及任务发布时间的特征，使得其特征包含不同语义空间中的信息，丰富了特征表达。且使用的是轻量级的图卷积神经网络，取消了图的自连接以及特征变换的权重矩阵，在保证高效推荐的同时加快了模型的训练速度。在任务发布序列的多视角关系学习中，首先对任务的多视角属性进行融合，综合考量了可能对任务发布时间产生影响的因素。接着利用Transformer的多头注意力机制来计算序列中其他任务对当前任务的重要程度，从而得以进一步挖掘序列中的上下文信息。最后用一个全连接层预测任务发布的时间段能在一定程度上解决数据的稀疏性问题，提高预测的准确率。