寻找平衡专家负载与任务覆盖的团队
人工智能
2020-11-10 v1
摘要
在线劳动力市场(如Freelancer、Guru和Upwork)的兴起引发了大量关于团队组建的研究,其中具备不同技能的专家组成团队以完成任务。该方向研究的核心思想严格要求被分配完成给定任务的专家团队应包含任务所需技能的超集。然而,在许多应用中,所需技能往往是发布任务方的愿望清单,并非所有技能都绝对必要。因此,在我们的设定中,我们放宽了完全覆盖要求,允许已组建团队对任务进行部分覆盖,并假设任务完成质量与该任务被覆盖技能的比例成正比。同时,我们假设当需执行多个任务时,专家负载越低则性能越好。我们将这两个高层目标合二为一,定义了BalancedTA问题。我们还考虑了该问题的一个推广情形,其中每个任务由必需技能和可选技能组成。在此设定下,我们的目标相同,但约束为所有必需技能均须被覆盖。从技术角度看,我们证明了BalancedTA问题(及其变体)是NP难的,并设计了高效的启发式算法以在实践中求解。利用来自三个在线市场Freelancer、Guru和Upwork的真实数据集,我们展示了方法的高效性与框架的实用价值。
引用
@article{arxiv.2011.04428,
title = {Finding teams that balance expert load and task coverage},
author = {Sofia Maria Nikolakaki and Mingxiang Cai and Evimaria Terzi},
journal= {arXiv preprint arXiv:2011.04428},
year = {2020}
}